量化
-
R语言神经网络模型预测车辆数量时间序列
具有单个隐藏层和滞后输入的前馈神经网络，可以用于预测单变量时间序列。将神经网络模型拟合到以时间序列的滞后值作为输入的时间序列。因此它是一个非线性的模型，不可能得出预测区间。 具有单…
-
数据代码分享|PYTHON用NLP自然语言处理LSTM神经网络TWITTER推特灾难文本数据、词云可视化
Twitter是一家美国社交网络及微博客服务的网站，致力于服务公众对话。迄今为止，Twitter的日活跃用户达1.86亿。 与此同时，Twitter也已成为突发紧急情况时人们的重要…
-
R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测4个案例
在这里，我们探讨了同样的技术是如何协助预测的。与 “普通LSTM “相比，FNN-LSTM在数据集上提高了性能，特别是在多步骤预测的初始阶段。 深度学习与时…
-
matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类
要训练深度神经网络对序列数据进行分类，可以使用LSTM网络。LSTM网络使您可以将序列数据输入网络，并根据序列数据的各个时间步进行预测。 本示例使用日语元音数据集。此示例训练LST…
-
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
通过训练具有小型中心层的多层神经网络重构高维输入向量，可以将高维数据转换为低维代码。这种神经网络被命名为自编码器_Autoencoder。 自编码器是_非线性_降_维_ 技术用于特…
-
使用PYTHON中KERAS的LSTM递归神经网络进行时间序列预测
时间序列预测问题是预测建模问题中的一种困难类型。 与回归预测建模不同，时间序列还增加了输入变量之间序列依赖的复杂性。 用于处理序列依赖性的强大神经网络称为 递归神经网络。长短期记忆…
-
Python中利用长短期记忆模型LSTM进行时间序列预测分析 – 预测电力负荷数据
此示例中，神经网络用于使用2011年4月至2013年2月期间的数据预测公民办公室的电力消耗。 每日数据是通过总计每天提供的15分钟间隔的消耗量来创建的。 LSTM简介 LSTM（或…
-
【视频】CNN（卷积神经网络）模型以及R语言实现回归数据分析
无人驾驶汽车最早可以追溯到1989年。神经网络已经存在很长时间了，那么近年来引发人工智能和深度学习热潮的原因是什么呢？ 答案部分在于摩尔定律以及硬件和计算能力的显著提高。我们现在可…
-
MATLAB中用BP神经网络预测人体脂肪百分比数据
这个例子说明了一个函数拟合的神经网络如何根据测量结果来估计脂肪百分比(BFP) 。 问题：估计脂肪百分比 在这个例子中，我们试图建立一个神经网络来估计一个人的脂肪百分比，这个人由1…
-
HAR-RV-J与递归神经网络（RNN）混合模型预测和交易大型股票指数的高频波动率
本文分析了S＆P500指数和SPY ETF，VIX指数和VXX ETN的波动率的可预测性和可交易性。尽管已有大量关于预测高频波动的文献，但大多数仅根据统计误差评估预测。 实际上，这…
-
Python安装TensorFlow 2、tf.keras和深度学习模型的定义
TensorFlow是Google开发和维护的首要的开源深度学习框架。尽管直接使用TensorFlow可能具有挑战性，但现代的tf.keras API使得Keras在TensorF…
-
R语言中的SOM(自组织映射神经网络)对NBA球员聚类分析
自组织映射 （SOM）是一种工具，通过生成二维表示来可视化高维数据中的模式，在高维结构中显示有意义的模式。 导入 通过以下方式使用给定的数据（或数据样本）对SOM进行“训练”： 定…
