Личный кабинет
Подробное описание документа
Облакова Т. В.
Исследование качества прогнозирования временных рядов с помощью реализации модели AT-LSTM на C++ / Облакова Т. В., Алексеев Д. С. - DOI 10.18698/2309-3684-2025-1-8091. - URL: https://mmcm.bmstu.ru/articles/367/ (дата обращения: 23.04.2026) // Математическое моделирование и численные методы. - 2025. - № 1. -
Скачать документ
В настоящей работе рассматривается реализация рекуррентной нейронной сети AT-LSTM (Attention based Long Short Term Memory) на языке программирования C++, разработанная с целью сокращения времени обучения и прямого хода модели. В статье представлены архитектура и примеры работы данной нейросети, описаны подходы к ее обучению и оценке результатов. В ходе исследования были проведены эксперименты по оценке производительности нейросети AT-LSTM при обучении и прямом ходе в сравнении с реализацией на языке Python. Оценка производительности включала измерение времени обучения и времени работы сети при одинаковой длине входных данных, но разных значениях гиперпараметров. Эксперименты показали возможность значительного сокращения времени обучения, снижения ошибки прогнозирования и сохранения высокого качества результатов прогноза при использовании реализации на языке программирования C++. Для того чтобы оценить применимость рассматриваемой реализации AT-LSTM на практике, был проведен анализ качества прогнозирования финансовых временных рядов. В качестве объектов анализа были выбраны курсы валют USD/RUB и EUR/RUB, а также курсы акций компаний Apple (AAPL) и Microsoft (MSFT). Результаты анализа показали, что полученная модель высокоэффективна для прогнозирования временных рядов и может быть успешно применена на практике. На основе проведенных экспериментов и анализа, установлено, что рассматриваемая реализация AT-LSTM на C++ позволяет быстро и качественно обучить модель для дальнейшего прогнозирования временных рядов.
Статья опубликована в следующих изданиях
№ 1. - 2025.
