期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度神经网络结构的互联网金融市场动态预测
被引量:
19
1
作者
赵洪科
吴李康
+3 位作者
李徵
张兮
刘淇
陈恩红
《计算机研究与发展》
EI
CSCD
北大核心
2019年第8期1621-1631,共11页
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...
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.
展开更多
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
下载PDF
职称材料
基于图稀疏Group Lasso算法的农业科教视频多语义标注方法
2
作者
孙佳明
吴李康
+2 位作者
邓兆利
段驰飞
蔡骋
《数字技术与应用》
2018年第6期133-135,共3页
针对农业领域的视频标签,多以人工方式标注不利于大量视频准确快速标注、检索的问题,提出了一种基于图稀疏Group Lasso模型的农业科教视频多语义标注方法:通过添加待测镜头与视频组间组内的稀疏约束,得到待测镜头在视频集内的稀疏编码,...
针对农业领域的视频标签,多以人工方式标注不利于大量视频准确快速标注、检索的问题,提出了一种基于图稀疏Group Lasso模型的农业科教视频多语义标注方法:通过添加待测镜头与视频组间组内的稀疏约束,得到待测镜头在视频集内的稀疏编码,结合视频集内人工标注的标签,进行多语义的标注。农业科教视频多语义标注的试验表明,该方法能够实现语义的快速标注,并使得农业视频多语义标注的F综合指标达到64%。农业视频多语义标注效果,不仅可满足用户个性化的信息需求,同时也为农业知识视频检索等相关领域,提供了参考方案。
展开更多
关键词
农业科教视频
镜头检测
多语义标注
稀疏编码
下载PDF
职称材料
题名
基于深度神经网络结构的互联网金融市场动态预测
被引量:
19
1
作者
赵洪科
吴李康
李徵
张兮
刘淇
陈恩红
机构
天津大学管理与经济学部
大数据分析与应用安徽省重点实验室(中国科学技术大学)
出处
《计算机研究与发展》
EI
CSCD
北大核心
2019年第8期1621-1631,共11页
基金
国家自然科学基金项目(71790594,71722005)~~
文摘
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
Keywords
Internet finance
time series
dynamic prediction
deep neural network
sequential modeling
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于图稀疏Group Lasso算法的农业科教视频多语义标注方法
2
作者
孙佳明
吴李康
邓兆利
段驰飞
蔡骋
机构
西北农林科技大学信息工程学院
出处
《数字技术与应用》
2018年第6期133-135,共3页
基金
国家自然科学基金(61202188)
中央科研基本业务费(Z109021704)
博士科研启动费(Z111021504)
文摘
针对农业领域的视频标签,多以人工方式标注不利于大量视频准确快速标注、检索的问题,提出了一种基于图稀疏Group Lasso模型的农业科教视频多语义标注方法:通过添加待测镜头与视频组间组内的稀疏约束,得到待测镜头在视频集内的稀疏编码,结合视频集内人工标注的标签,进行多语义的标注。农业科教视频多语义标注的试验表明,该方法能够实现语义的快速标注,并使得农业视频多语义标注的F综合指标达到64%。农业视频多语义标注效果,不仅可满足用户个性化的信息需求,同时也为农业知识视频检索等相关领域,提供了参考方案。
关键词
农业科教视频
镜头检测
多语义标注
稀疏编码
Keywords
semantic annotation
video analysis
sparse representation
graph representation
group lasso
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度神经网络结构的互联网金融市场动态预测
赵洪科
吴李康
李徵
张兮
刘淇
陈恩红
《计算机研究与发展》
EI
CSCD
北大核心
2019
19
下载PDF
职称材料
2
基于图稀疏Group Lasso算法的农业科教视频多语义标注方法
孙佳明
吴李康
邓兆利
段驰飞
蔡骋
《数字技术与应用》
2018
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部