检索结果-内蒙古大学图书馆

作者：路遥天津大学

学位级别：博士

近年来随着显微镜数字成像系统的广泛应用,涌现出海量的医学图像数据,其中细胞显微镜图像数据在医学诊断治疗、药物研发以及生物学研究等应用有着重要的意义和价值。通过开发自动化系统对显微镜图像中分布密集、形态多变的细胞进行大规... 详细信息

近年来随着显微镜数字成像系统的广泛应用,涌现出海量的医学图像数据,其中细胞显微镜图像数据在医学诊断治疗、药物研发以及生物学研究等应用有着重要的意义和价值。通过开发自动化系统对显微镜图像中分布密集、形态多变的细胞进行大规模、规范化的行为检测和定量分析,得到生命科学新知识和新规律,是目前计算机视觉、人工智能以及生物医学交叉领域的热点研究问题。相差显微镜由于其成像过程不需要对细胞进行破坏性染色,可以用于对细胞行为进行持续观察,记录了细胞分裂过程中丰富的时序动态信息。在对细胞分裂检测领域研究现状进行深入调研与分析的基础上,本文针对相差显微镜图像序列下细胞分裂检测的三个核心科学问题展开研究,具体研究内容与创新点总结如下:(1)针对实际应用中细胞外观复杂导致难以提取高鉴别力特征的问题,提出基于视觉特征与序列结构联合学习的细胞分裂检测方法,将细胞图像视觉特征提取与序列结构建模在深度神经网络中进行整合。在端到端的训练过程中,通过序列结构建模引导视觉特征学习,提取更加具有状态表征能力的视觉特征,提高模型在细胞密集环境下的检测准确性和稳定性。(2)针对细胞分裂过程中视觉变化不明显导致序列显著性提取困难以及影响序列建模的问题,提出基于序列注意力机制的细胞分裂检测方法。方法引入注意力机制,在对细胞状态变化过程进行序列建模的同时,通过自适应学习提取对细胞分裂识别有利的视觉显著信息,帮助细胞分裂序列识别。同时,该方法通过对序列显著性信息的发掘实现了弱监督条件下的细胞分裂时序定位。(3)细胞视觉变化过程在不同阶段间持续时间不固定,相同阶段内视觉变化平缓造成序列信息冗余从而导致细胞序列建模困难。针对该问题,提出基于强化学习的细胞分裂检测方法。该方法构建策略网络学习细胞分裂序列结构,通过细胞分裂识别任务引导提取序列中视觉关键帧,实现对细胞分裂视觉变化过程的明确表征,提升细胞分裂序列识别准确性。在序列识别任务引导的基础上,该方法在关键帧提取过程中实现了细胞分裂时序定位。最后,针对当前细胞分裂检测研究中缺少大规模标注数据库和统一评测的问题,本文基于小鼠成肌细胞(C2C12)的时序相差显微镜图像数据,构建了C2C12-16细胞分裂标注数据库。该数据库是目前领域内规模最大的数据库,与现有数据库相比,C2C12-16在显微镜图像数据规模、细胞分裂标注数据规模以及细胞形态多样性等方面都有了极大的提升。本文构建的大规模细胞分裂标注数据库,为细胞分裂检测的研究提供了新的机会和挑战,对研究的发展具有极大的促进作用。基于C2C12-16数据库,通过组织举办国际评测比赛为当前细胞分裂检测前沿算法提供统一的评测平台。本文对比赛中参与评测的方法进行了全面的介绍和分析,为细胞分裂检测方法未来的研究提供方向。

关键词：细胞分裂检测相差显微镜图像序列建模注意力机制弱监督学习强化学习

来源：评论

学校读者我要写书评

暂无评论

基于序列建模的自然场景下文字识别方法研究

基于序列建模的自然场景下文字识别方法研究

引用

作者：高云泽中国科学院大学

学位级别：博士

随着移动互联网的不断发展以及智能终端的快速普及，图像与视频数据呈爆炸式增长，已经成为信息传递与交互的重要载体。面向海量数据实现准确高效的语义理解，是大数据与智能化时代发展的必经之路。图像与视频中含有丰富的文字信息，与... 详细信息

随着移动互联网的不断发展以及智能终端的快速普及，图像与视频数据呈爆炸式增长，已经成为信息传递与交互的重要载体。面向海量数据实现准确高效的语义理解，是大数据与智能化时代发展的必经之路。图像与视频中含有丰富的文字信息，与普通视觉目标不同，文字直接承载了高层语义信息，是实现场景理解与分析的关键要素。文字普遍存在于日常生活的各个场景中，自然场景下的文字识别技术在身份认证、智慧教育、内容审核、自动驾驶等多个领域有广阔的应用前景。因此，面向自然场景文字识别的研究具有重要的学术价值与实际意义。　　传统的文字识别主要针对文档文字，这种文字通常具有排列整齐、字体统一、背景简单、成像条件理想等特点。相比之下，自然场景中的文字常表现出排布形式多样、字体表观多变、背景复杂、成像条件不可控等问题。因此，与文档文字识别任务相比，自然场景下的文字识别更有挑战性。近年来，得益于深度学习的发展，同时考虑到文字序列中的依赖关系，结合深度特征与序列关系的融合学习已经成为主流发展方向。因此，本文以基于序列建模的深度学习框架为基础，针对面向自然场景的文字识别中计算效率、标注成本、成像质量与文字形变等难题，通过设计合理的网络结构与学习方法，有效提升了识别的效率与精度。　　本文的主要研究成果和贡献归纳如下:　　1.基于全卷积序列建模网络的场景文字识别。针对基于循环神经网络的序列建模框架存在时序循环，无法并行计算的问题，提出了一种基于全卷积序列建模网络的场景文字识别方法。循环神经网络的序列建模本质是上下文信息的融合过程，与卷积操作的感受野机制类似。因此，本方法采用卷积操作来近似实现序列建模过程，可以有效地进行并行计算，显著提高了计算效率。此外，本方法在基础特征编码的过程中引入了注意力机制，来增强前景文字表达并抑制背景噪声响应，从而实现了更精准的上下文信息融合。在公开数据集上的实验结果表明，本方法在保持较高识别精度的同时可显著提升推理速度。　　2.基于半监督神经网络学习的场景文字识别。针对全监督学习方法依赖于大量精细的标注信息，从而导致模型泛化能力较弱，难以在标注数据不足的情况下实现高精度识别的问题，提出了一种基于半监督神经网络学习的文字识别方法。对于无标注数据，本方法利用视觉语义嵌入模块将输入图像与预测序列映射到同一个语义空间，通过设计标签无关的优化目标来衡量其语义一致性作为预测质量评估的依据，为网络学习提供指导。对于有标注数据，本方法设计了基于单词的全局优化目标，并结合基于字符的局部优化目标，加强了标签对网络学习的指导。在公开数据集上的实验结果表明，本方法在保持较高识别精度的同时可减少约90％的标注需求。当标注数据有限时，得益于无标注数据对学习过程的影响，多个数据集的精度均有12％以上的提升。　　3.基于门控双向交互解码网络的场景文字识别。针对自然场景中图像质量参差不齐，而基于低质量数据学习到的视觉特征表达与判别能力较弱的问题，提出了一种基于门控双向交互解码网络的场景文字识别方法。通过充分挖掘文字序列中的语法关系，来为视觉特征提供补充信息。在前向解码器建模前向语法关系的同时，引入了反向解码器来获取反向语法关系，通过双向解码器的交互充分融合双向语法信息，并结合视觉上下文信息，实现了三者的融合互补。此外，通过门控机制对三种信息的融合进行调节，减弱噪声的影响，实现了更精准的解码过程。在公开数据集上的实验结果表明，本方法较单向解码方法有显著的性能优势，在多个数据集上获得了同期最好的结果。　　4.基于渐进矫正网络的不规则文字识别。针对场景文字形变派生的不规则文字识别问题，提出了一种基于渐进矫正网络的文字识别方法。通过层级渐进的矫正方式分解了矫正难度，并采用迭代计算对复杂多变的不规则文字进行矫正。在此基础上，本方法利用文字包络来反映其位置和姿态，不断优化文字包络在原始图像上的位置信息来作为空间变换的依据，从而在迭代矫正过程中保留了文字的完整性。同时，矫正网络能够与识别网络进行端到端的联合训练，无需额外的字符位置标注。在公开数据集上的实验结果表明，本方法有效地矫正了不规则文字，从而显著提升了识别精度，在4个不规则文字数据集的7项指标中取得了5项最优。

关键词：文字识别序列建模全卷积网络半监督学习语法关系

来源：评论

学校读者我要写书评

暂无评论

基于序列建模的生成式强化学习研究综述

引用

计算机科学 2024年第11期51卷 213-228页

作者：姚天磊陈希亮余沛毅陆军工程大学指挥控制工程学院南京210007

强化学习是机器学习中关于如何学习决策的分支,是一个序列决策问题,通过与环境反复交互试错找到最优策略。强化学习可以与生成模型结合使用来优化其性能,通常用于微调生成模型,提高其创建高质量内容的能力。强化学习过程也可以视为一个... 详细信息

强化学习是机器学习中关于如何学习决策的分支,是一个序列决策问题,通过与环境反复交互试错找到最优策略。强化学习可以与生成模型结合使用来优化其性能,通常用于微调生成模型,提高其创建高质量内容的能力。强化学习过程也可以视为一个通用的序列建模问题,对任务轨迹上的分布进行建模,通过预训练生成模型产生一系列动作来获取一系列的高回报。在对输入信息进行建模的基础上,生成式强化学习能够更好地处理不确定性和未知的环境,更高效地将序列数据转换成用于决策的策略。首先针对强化学习算法和序列建模方法进行了介绍,对数据序列的建模过程进行了分析,然后按神经网络模型的类型进行分类探讨了强化学习的发展现状,在此基础上梳理了与生成模型结合的相关方法,并分析了强化学习方法在生成式预训练模型中的应用,最后总结了相关技术在理论和应用上的发展状况。

关键词：人工智能强化学习神经网络生成模型序列建模

来源：评论

学校读者我要写书评

暂无评论

基于Transformer序列建模的离线强化学习方法研究

基于Transformer序列建模的离线强化学习方法研究

引用

作者：蓝昆南京信息工程大学

学位级别：硕士

强化学习主要用来解决决策问题。传统强化学习的学习范式需要在训练过程中不断与环境交互产生数据,通过不断试错来获得更大的奖励信号,并利用奖励信号修正智能体对策略的学习。这一标准范式存在采样效率低下导致学习速度过慢的问题。此... 详细信息

强化学习主要用来解决决策问题。传统强化学习的学习范式需要在训练过程中不断与环境交互产生数据,通过不断试错来获得更大的奖励信号,并利用奖励信号修正智能体对策略的学习。这一标准范式存在采样效率低下导致学习速度过慢的问题。此外,在一些特殊的应用场景中,由于试错成本过高,从头开始在线和环境交互提升策略是不可取的。因此,离线强化学习应运而生,该方法使用提前收集好的数据集进行学习,避免与环境的交互。这种范式训练速度快,在一些特定领域中有更好的安全性。当前离线强化学习存在的主要问题是离线训练和在线测试时的分布偏移问题。受到Transformer在视觉等领域成功应用的启发,本文分别针对单智能体领域和多智能体领域,利用Transformer序列建模离线强化学习做了以下研究: (1)不同于传统的强化学习算法(如策略梯度,Q-Learning更新)来训练策略,本文在工作一中应用Transformer序列建模的学习范式,通过自行收集的谷歌足球环境数据集来训练策略。该方法能够利用Transformer实现长期信用分配,同时绕过离线强化学习中存在的分布偏移问题。此外,通过将奖励引入序列建模,避免了对未来奖励的忽视,而不是只专注于短期奖励。因为谷歌足球环境奖励的稀疏性,本文设计了奖励函数用来加速学习。此外,在Transformer的模型中引入了因果掩码来遮挡早期的数据,满足马尔可夫决策的问题设定。在谷歌足球环境上的实验表明,与当前先进的离线强化学习方法相比,本文方法可以达到更优的效果。 (2)工作二,将Transformer序列建模引入到多智能体强化学习领域,并加入了预训练微调范式,使用它来检验Transformer在多智能体强化学习环境中的应用。针对多智能体强化学习,本文提出了一种新的方法,基于随机掩码的多智能体决策Transformer。具体而言,该方法设计了新型的序列建模方式以适应多智能体环境,并引入了随机掩码模块来提升模型的泛化能力和数据的利用率本文使用了一个通用的多智能体强化学习环境-星际争霸多智能体挑战(SMAC),来验证该算法。在星际争霸II离线数据集上,本文方法的表现优于最先进的离线强化学习方法基线,证明了该算法的有效性。当在线微调时,加载离线预训练的策略后显著提高了算法效果,并且在few-shot和zero-shot的任务中仍有不错的表现。

关键词：离线强化学习多智能体强化学习 Transformer 序列建模预训练微调

来源：评论

学校读者我要写书评

暂无评论

基于时间门控循环网络的用户行为序列建模

基于时间门控循环网络的用户行为序列建模

引用

作者：高奔浙江大学

学位级别：硕士

作为个性化搜索和推荐系统的核心,用户行为建模决定着个性化系统的效果,一直吸引着研究人员的关注。在循环神经网络(RNN)被提出后,由于其对于序列数据的强大拟合能力,被广泛应用在如行为序列预测、语言模型等领域。不过,传统RNN框架仅... 详细信息

作为个性化搜索和推荐系统的核心,用户行为建模决定着个性化系统的效果,一直吸引着研究人员的关注。在循环神经网络(RNN)被提出后,由于其对于序列数据的强大拟合能力,被广泛应用在如行为序列预测、语言模型等领域。不过,传统RNN框架仅仅考虑了序列的顺序关系,对序列的时间间隔并没有明显的感知。而对于行为序列问题而言,行为的时间间隔是刻画行为关联的一个重要特征。因此,本文对RNN框架中一种广泛应用的变体——GRU进行了改进,增加了时间门结构和基于时间的注意力机制,本文称之为Time-GRU。模型中的两个模块引入了时间信息,相比传统模型,能够同时预测用户的长期和短期偏好,从而提高推荐和搜索排序的结果。本文在两个著名的公开数据集和一个电商平台的离线数据集上进行了实验,并在线上环境进行了 AB测试,实验结果表明,Time-GRU超过了目前现有的先进算法。

关键词：序列建模门控循环网络注意力机制推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于序列化建模技术的图像操作链与传播链检测

基于序列化建模技术的图像操作链与传播链检测

引用

作者：游嘉祥深圳大学

学位级别：硕士

海量社交多媒体图像在丰富人们生活的同时,其真实性和无序传播问题,如伪造图像的传播等,对个人、企业和国家造成了严重的安全隐患。数字图像操作链与传播链检测旨在通过提取图像中残留的操作痕迹与平台留下的复合指纹特征,以辅助司法部... 详细信息

海量社交多媒体图像在丰富人们生活的同时,其真实性和无序传播问题,如伪造图像的传播等,对个人、企业和国家造成了严重的安全隐患。数字图像操作链与传播链检测旨在通过提取图像中残留的操作痕迹与平台留下的复合指纹特征,以辅助司法部门鉴定图像的处理过程(操作链)与者社交平台传播路径(传播链)。现有的操作链或传播链检测算法大部分基于分类模型实现,能够检测图像在历史时刻所经过的两种操作或社交平台,而针对长链的检测任务一直是一个难以解决的问题。随着图像处理操作或社交平台个数的增加,对应问题的解空间将呈指数级增长,且各操作或平台之间相互影响,导致操作痕迹或平台指纹多重耦合,最终导致长链的检测任务面临巨大挑战。本文提出了一种基于序列化建模的新范式,将操作链与传播链建模为时序信号,并通过序列模型有效缓解了图像长操作链与长传播链检测的难题。 1)提出基于机器翻译技术的图像操作链检测模型。本文将操作链建模为目标语言空间当中的语句,具体操作与目标语言空间中的单词一一对应。在进行机器翻译之前,本文首先通过多层次特征提取模块,提取各操作残留在图像像素域中的操作痕迹特征。随后通过源语言句子构建模块,构建带有痕迹特征的源语句。最终通过机器翻译模型将源语句逐步解码为目标操作链语句。为提升翻译模型的性能,提出了操作链反转策略以及双向同步翻译模块以缓解误差传递的现象。此外,进一步提出了加权交叉熵损失函数用于缓解训练翻译模型过程中所面临的类别不均衡问题。 2)提出了无注意力序列模型用于社交多媒体图像传播链检测。模型首先将像素域中的平台指纹特征映射为时间序列的表征,并于特征空间中融合空域编码特征与容器编码信息,最终于解码器端采用渐进式的解码方式逐步解码传播链。在渐进式解码的过程中,提出了交叉g MLP模块用于指纹特征与已解码的子链信息的交互,以渐进式的解耦方式辅助后继平台的检测。在公开数据集上的实验结果证明了本文所提出算法的优越性。

关键词：操作链检测传播链检测数字图像取证序列建模

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的序列数据建模的研究与实现

基于深度学习的序列数据建模的研究与实现

引用

作者：张晓艳东北大学

学位级别：硕士

随着人工智能技术的迅猛发展,在互联网的各类应用中,积累了大量有内在关联性的序列数据。如何进行序列数据建模去更好地挖掘序列数据之间的关联性,对未来进行更准确、更快速的推荐预测,成为了推进社会智能化的一项重要研究内容。但是在... 详细信息

随着人工智能技术的迅猛发展,在互联网的各类应用中,积累了大量有内在关联性的序列数据。如何进行序列数据建模去更好地挖掘序列数据之间的关联性,对未来进行更准确、更快速的推荐预测,成为了推进社会智能化的一项重要研究内容。但是在模型搭建的过程中经常会遇到如序列数据的稀疏性、长程信息依赖导致的特征传递丢失、复杂关系推理困难等问题和挑战。本文主要针对上面的问题在特定的领域展开了研究,并利用辅助信息在传统模型的基础上做了一些改造和创新。提出的模型在实际案例上进行了实验,结果表明提出的模型可以很好地改善序列数据的稀疏性、信息传递和推理困难等问题。(1)首先,为解决序列数据稀疏性问题,构建了一种基于组合神经网络的序列排序预测模型。该模型通过全局循环神经网络模型去挖掘用户、检索语句和产品广告三者之间的关系,得到了用户的潜在偏好数据;通过局部循环神经网络模型去挖掘检索语句与广告两者之间的关系,得到查询意图转化为不同广告的概率分布的数据。并将二者结合,用于广告推荐,以提高广告推荐效果。最后,将所设计的模型在真实的广告点击数据集上进行了实验,和传统算法对比,其平均倒数排序值为0.581,而Accuracy@20性能则高达90.3%。证明了所提模型在解决序列数据稀疏性问题上的优越性。(2)其次,为解决序列数据长程信息丢失、推理困难的问题,构建了一种基于多轮注意力机制的序列生成预测模型。视觉问答、目标检测中一般使用单轮注意力机制模型,然而用此类模型处理视觉对话中信息传递、推理问题却不能得到一个很好的预期效果。因此提出了多轮注意力机制网络模型。该模型针对跨模态的信息分别进行编码并存储到相应的事实记忆库;然后把所需回答的问题同时投射到两种记忆库中,使跨模态的信息进行多轮交互,进而检索到和问题最相关的事实依据。用于解决序列建模中的信息传递丢失和推理困难的问题。最后,将所设计的模型在真实的视觉对话数据集中进行了实验,和传统算法对比,第一轮注意力机制的各项指标都超越了其他对比算法,证明了所提跨模态注意力机制的有效性;在Accuracy@10指标上第二轮注意力机制较第一轮注意力机制提高了1.55%,证明了所提多轮注意力结构模型对信息传递的有效性。

关键词：序列建模推荐预测循环神经网络视觉对话跨模态注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于Holt-Winters指数平滑和时间卷积网络的短期负荷预测

引用

电力系统自动化 2022年第6期46卷 73-82页

作者：杨国华郑豪丰张鸿皓贾睿宁夏大学物理与电子电气工程学院宁夏回族自治区银川市750021 宁夏电力能源安全自治区重点实验室宁夏回族自治区银川市750004

为提升短期电力负荷预测的精度,着眼于特征组合的构建,提出了一种基于Holt-Winters指数平滑的特征组合(FCHW),并结合时间卷积网络(TCN)构建了FCHW-TCN负荷预测框架。首先,应用Holt-Winters指数平滑进行负荷序列预测,得到与负荷序列相关... 详细信息

为提升短期电力负荷预测的精度,着眼于特征组合的构建,提出了一种基于Holt-Winters指数平滑的特征组合(FCHW),并结合时间卷积网络(TCN)构建了FCHW-TCN负荷预测框架。首先,应用Holt-Winters指数平滑进行负荷序列预测,得到与负荷序列相关的级别分量和季节性分量。通过将上述分量用作输入特征,并与常规特征(历史负荷、日期)构成特征组合,构建了FCHW;其次,选择TCN作为预测模型,以FCHW作为TCN输入,搭建了FCHW-TCN预测框架;最后,采用2个不同负荷数据集和多个预测模型对FCHW和FCHW-TCN进行验证。结果表明,FCHW有助于模型预测精度的提升;与其他预测模型相比,FCHW-TCN预测框架有着最高的预测精度,具有优越的预测能力。

关键词：负荷预测 Holt-Winters指数平滑特征组合时间卷积网络(TCN) 序列建模

来源：评论

学校读者我要写书评

暂无评论

基于自注意力网络的共享账户跨域序列推荐

引用

计算机研究与发展 2021年第11期58卷 2524-2537页

作者：郭磊李秋菊刘方爱王新华山东师范大学商学院济南250358 山东师范大学信息科学与工程学院济南250358

共享账户跨域序列推荐(shared-account cross-domain sequential recommendation,SCSR)是指在多个用户共同使用一个账户和用户的行为会在多个域中产生的情况下,给该账户推荐下一个可能会点击的项目.与传统的序列推荐任务相比,共享账户... 详细信息

共享账户跨域序列推荐(shared-account cross-domain sequential recommendation,SCSR)是指在多个用户共同使用一个账户和用户的行为会在多个域中产生的情况下,给该账户推荐下一个可能会点击的项目.与传统的序列推荐任务相比,共享账户跨域序列推荐主要面临2方面的挑战:1)每一个账户里的交互行为是由多个用户产生的,并且这些用户的行为是混合在一起的;2)用户在1个域中产生的交互行为可能会提升推荐系统对该用户在其他域的推荐质量.目前,已有的一些相关工作大都是基于循环神经网络(recurrent neural network,RNN)的方法,但由于RNN本身固有的一些缺陷,导致基于RNN的方法不仅非常耗时,而且不能够很好地捕获交互行为之间的长期依赖关系.针对SCSR问题,提出了基于自注意力的跨域推荐模型(self-attention-based cross-domain recommendation model,SCRM)来解决这2个挑战.具体而言,首先引入1个多头自注意力网络来建模1个共享账户中多个用户参与的交互行为.然后,提出了一个基于多层交叉映射感知网络的跨域传输单元,以实现借助一个域的信息来提高另一个域的推荐质量.最后,通过一个混合推荐解码器整合了来自2个域的信息以实现在不同域中的推荐.在真实数据集HVIDEO上进行了实验,实验结果表明,与目前最新的基准方法相比,所提出的模型能在MRR和Recall这2个指标上取得了更加优异的结果;在运行效率上,比基于RNN的方法取得了更短的训练和学习时间.

关键词：多头自注意力共享账户推荐跨域推荐序列建模协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络结构的互联网金融市场动态预测

引用

计算机研究与发展 2019年第8期56卷 1621-1631页

作者：赵洪科吴李康李徵张兮刘淇陈恩红天津大学管理与经济学部天津300072 大数据分析与应用安徽省重点实验室(中国科学技术大学) 合肥230027

近些年,互联网金融市场在国内外迅速发展;同时,针对互联网金融市场的研究也成为了学术界的热点.相比于传统金融市场,互联网金融市场具有更高的流动性和易变性.针对互联网金融市场的动态(日交易量和日交易次数)进行研究,提出了基于深度... 详细信息

近些年,互联网金融市场在国内外迅速发展;同时,针对互联网金融市场的研究也成为了学术界的热点.相比于传统金融市场,互联网金融市场具有更高的流动性和易变性.针对互联网金融市场的动态(日交易量和日交易次数)进行研究,提出了基于深度神经网络结构的融合层次时间序列学习的预测模型.首先,该模型可以实现对多序列(市场宏观动态序列和多种子序列)特征变量输入的处理,并且在时间和序列特征2个维度上利用注意力机制来融合输入变量.其次,模型设计了基于预测序列平稳性约束的优化函数,使得模型具有更好的稳健性.最后,在真实的大规模数据集上进行了大量的实验,结果充分证明了所提出的模型在互联网金融市场动态预测问题上的有效性与稳健性.

关键词：互联网金融时间序列动态预测深度神经网络序列建模

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：