Cookies no Macro by Mark.Usamos cookies essenciais para login, idioma e segurança. Com sua permissão, também usamos cookies opcionais de preferências, para análise e para medição de anúncios com o Pixel da Meta (Facebook). Leia nossa política de cookies.
Arquitetura de rede neural recorrente com portas que retêm ou esquecem informação ao longo de sequências macro longas.
Área do gráfico
Problemas de previsão sequencial quando a estrutura de defasagens é longa, não linear e difícil de resumir com defasagens AR fixas. O gráfico transforma essa pergunta em um cenário ajustável, com controles suficientes para ver direção, persistência e limites sem fingir estimação em tempo real.
Parâmetros treináveis
Compare este valor entre cenários para ver o efeito dos controles.
4385
contagem
Parâmetros efetivos por observação
Compare este valor entre cenários para ver o efeito dos controles.
12.62
razão
Retenção do gradiente na defasagem mais longa
Compare este valor entre cenários para ver o efeito dos controles.
0.0005
proporção
Profundidade útil do gradiente
Compare este valor entre cenários para ver o efeito dos controles.
22.00
passos
Controle do modelo: mova-o e veja como o cenário muda.
Compare o gráfico e as leituras antes e depois de mover o controle.
Controle do modelo: mova-o e veja como o cenário muda.
Compare o gráfico e as leituras antes e depois de mover o controle.
Controle do modelo: mova-o e veja como o cenário muda.
Compare o gráfico e as leituras antes e depois de mover o controle.
Controle do modelo: mova-o e veja como o cenário muda.
Compare o gráfico e as leituras antes e depois de mover o controle.
Controle do modelo: mova-o e veja como o cenário muda.
Compare o gráfico e as leituras antes e depois de mover o controle.