量化
-
MATLAB基于深度学习U-net神经网络模型的能谱CT的基物质分解技术研究
如何在保证成像质量的前提下尽可能地降低 CT 辐射剂量一直是科学家们 研究的热点目标之一。此外，传统的CT扫描技术只能显示患者体内病灶的形态， 无法显示目标结构的化学成分信息。由于…
-
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
在本文中，你将看到如何使用一个被称为长短时记忆的时间序列模型。LSTM模型很强大，特别是在保留长期记忆方面。在本文中，你将解决以下主题。 理解为什么你需要能够预测股票价格的变动。 …
-
Python对商店数据进行lstm和xgboost销售量时间序列建模预测分析
LSTM神经网络架构和工作原理及其在Python中的预测应用 LSTM神经网络架构和原理及其在Python中的预测应用 我将通过以下步骤： 探索性数据分析（EDA） 问题定义（我们…
-
数据分享|R语言豆瓣数据文本挖掘 神经网络、词云可视化和交叉验证
电影评论数据 查看数据 head(pinglun1) 文本预处理 #剔除通用标题 res=(pattern=”NIKEiD”,” “,res); res=(pattern…
-
Matlab用深度学习循环神经网络RNN长短期记忆LSTM进行波形时间序列数据预测
LSTM神经网络架构和原理及其在Python中的预测应用 LSTM 网络是一种循环神经网络 (RNN)，它通过循环时间步长和更新网络状态来处理输入数据。网络状态包含在所有先前时间步…
-
CNN（卷积神经网络）模型以及R语言实现回归数据分析
答案部分在于摩尔定律以及硬件和计算能力的显著提高。我们现在可以事半功倍。顾名思义，神经网络的概念是受我们自己大脑神经元网络的启发。神经元是非常长的细胞，每个细胞都有称为树突的突起，…
-
用R语言中的神经网络预测时间序列：多层感知器和极限学习机
我将最后24个观察值保留为测试集，并将使用其余的观察值来拟合神经网络。当前有两种类型的神经网络可用，多层感知器；和极限学习机。 # 拟合 多层感知器 mlp.fit <- m…
-
spss modeler用决策树神经网络预测ST的股票
文章中使用了净利润指标来对可能成为ST的股票进行排雷，那么是否有其他指标可以用机器学习的方法对该问题进行建模同时提高预测的准确度呢? 首先我们来了解下问题的背景： 股票市场上，一般…
-
R语言气象模型集成预报：神经网络、回归、svm、决策树用环流因子预测降雨降水数据
我们被客户要求撰写关于气象集成预报技术的研究报告，包括一些图形和统计输出。在实际应用中，对每个具体的问题，各种预报方法得出的结果通常是不一致的，因而不知道如何将它们统一起来。因此需…
-
Python中用PyTorch机器学习神经网络分类预测银行客户流失模型
在本文中，鉴于银行客户的某些特征，我们将预测客户在6个月后是否可能离开银行。客户离开组织的现象也称为客户流失。因此，我们的任务是根据各种客户特征预测客户流失。 $ pip inst…
-
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
简介 波动性在资产定价和分配以及风险管理中起着核心作用，例如风险价值(_VaR_)与期望损失(_ES_)。对计量经济学家，统计学家和从业者来说，建模和预测波动性非常重要。然而，传统…
-
TensorFlow 2keras开发深度学习模型实例：多层感知器（MLP），卷积神经网络（CNN）和递归神经网络（RNN）
开发多层感知器模型 多层感知器模型（简称MLP）是标准的全连接神经网络模型。 它由节点层组成，其中每个节点连接到上一层的所有输出，每个节点的输出连接到下一层节点的所有输入。 通过一…
