МЕТОДОЛОГІЯ ПРЕПРОЦЕСИНГУ ТА ФОРМУВАННЯ ОЗНАКОВОГО ПРОСТОРУ ЧАСОВИХ РЯДІВ ДЛЯ  LSTM-ПРОГНОЗУВАННЯ НА ФІНАНСОВИХ І СЕНСОРНИХ ДАНИХ

Юрій Футрик

doi:10.36074/grail-of-science.20.02.2026.111

МЕТОДОЛОГІЯ ПРЕПРОЦЕСИНГУ ТА ФОРМУВАННЯ ОЗНАКОВОГО ПРОСТОРУ ЧАСОВИХ РЯДІВ ДЛЯ LSTM-ПРОГНОЗУВАННЯ НА ФІНАНСОВИХ І СЕНСОРНИХ ДАНИХ

Authors

Юрій Футрик Національний університет «Львівська політехніка», Україна https://orcid.org/0000-0001-5271-9883

DOI:

https://doi.org/10.36074/grail-of-science.20.02.2026.111

Summary

У тезах подано практичну методологію препроцесингу та формування ознакового простору для прогнозування часових рядів моделями LSTM (Long Short-Term Memory). Навчальні набори формуються у вигляді матриці , де L — довжина вікна, d — кількість ознак; усі перетворення виконуються причинно-коректно, без витоку інформації (data leakage) під час масштабування та відбору ознак.

Downloads

PDF

Downloads

Download data is not yet available.

License

References

Aroussi, A. (2023). yfinance: Download market data from Yahoo! Finance (Python package). https://pypi.org/project/yfinance/ (accessed 2026-02-10).

Bento, J., Saleiro, P., Cruz, A. F., Figueiredo, M. A. T., & Bizarro, P. (2021). TimeSHAP: Explaining recurrent models through sequence perturbations. KDD '21: Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining (pp. 2569–2578). https://doi.org/10.1145/3447548.3467166 DOI: https://doi.org/10.1145/3447548.3467166

Christ, M., Braun, N., Neuffer, J., & Kempa-Liehr, A. W. (2018). Time series feature extraction on basis of scalable hypothesis tests (tsfresh – A Python package). Neurocomputing, 307, 72–77. https://doi.org/10.1016/j.neucom.2018.03.067 DOI: https://doi.org/10.1016/j.neucom.2018.03.067

Hou, F., Lei, W., Li, S., & Xi, J. (2021). Deep learning-based subsurface target detection from GPR scans. IEEE Sensors Journal, 21(7), 8161–8171. https://doi.org/10.1109/JSEN.2021.3050262 DOI: https://doi.org/10.1109/JSEN.2021.3050262

Huber, E. (2019). GPR data used to test the efficient deconvolution method of Schmelzbach and Huber (2015) (Version 1.0.0) [Dataset]. Zenodo. https://doi.org/10.5281/zenodo.2586189

Zhang, M., Daniels, J. J., & Collins, L. M. Realistic simulation experiments for landmine and IED detection. Near Surface Geophysics (2024). https://doi.org/10.1002/nsg.12282 DOI: https://doi.org/10.1002/nsg.12282