【广发金工】2024精选深度报告系列之四:基于卷积神经网络的ETF...
为了对标准化图表和股价未来走势进行建模,本方法构建了卷积神经网络。输入图片经过卷积结构后得到了512x10x10的特征图,将其摊平后得到51200维度的特征后送入一个全连接神经网络。模型的最终输出为3个概率,分别对应个股在未来截面日上收益率的百分位,即后1/3、中1/3、前1/3,以表示跌、平、涨。最终以股票上涨的...
...发表AI海洋学文章详细总结了卷积神经网络架构在海洋遥感中的应用
近日,中国科学院海洋所李晓峰研究团队详细总结了卷积神经网络架构(CNN)在海洋遥感中的应用,研究成果在IEEEGeoscienceandRemoteSensingMagazine(影响因子13.925)发表。过去40年里,遥感技术的不断发展极大地推动了海洋观测的进展,使海洋数据进入了大数据时代。高效、准确地处理和分析海洋大数据,以解决基于这些数据的实...
使用卷积神经网络构建图像分类模型检测肺炎
我们还增加了三组卷积层和池层,从而增加了模型的复杂性。建议随着图层的发展增加卷积滤波器的数量。这是因为当我们在这些层中移动时,我们试图提取更多的信息,因此需要更大的过滤器集。这个类比类似于我们大脑处理视觉信息的方式。当信号从视网膜移动到视交叉,到丘脑,到初级视觉皮层,然后通过下颞叶皮层,神经元的接受区...
图神经网络的数学原理总结
然后将这些节点嵌入到MLP或神经网络中,获得每个事件发生的概率(使用Sigmoid激活)。这样可以像往常一样使用二进制交叉熵(BCE)计算损失。总结上面就是我们对图神经网络的数学总结,图深度学习在处理具有类似网络结构的问题时是一个很好的工具集。它们很容易理解,我们可以使用PyTorchGeometric、spectral、DeepGraphLibrary...
6种卷积神经网络压缩方法
总结:前端压缩几乎不改变原有网络结构(仅仅只是在原模型基础上减少了网络的层数或者滤波器个数),后端压缩对网络结构有不可逆的大幅度改变,造成原有深度学习库、甚至硬件设备不兼容改变之后的网络。其维护成本很高。一、低秩近似简单理解就是,卷积神经网络的权重矩阵往往稠密且巨大,从而计算开销大,有一种办法是采用低...
卷积神经网络概述及示例教程
我们加载训练和测试数据(www.e993.com)2024年9月10日。我们reshape数据,使其更适合卷积网络。基本上,我们将其reshape为具有60000(记录数)大小为28x28x1的4D数组(每个图像的大小为28x28)。这使得在Keras中构建Convolutional层变得容易。如果我们想要一个dense神经网络,我们会将数据reshape为60000x784-每个训练图像的1D记录。但CNN是不同的。请...
地理空间人工智能的近期研究总结与思考
Peng等设计了基于图斑相似性的卷积神经网络PSNet,并且利用了光谱反照率数值而不是原始图像数值进行模型训练,可以降低在光照不一致造成的数值误差,并应用于两次飓风有关的城市洪水事件,实验表明该模型具有很高的预测准确性和召回率。Yuan等对环境遥感领域的深度学习方法进行了全面总结,并回顾了深层神经网络模型在环境遥感...
【华泰金工林晓明团队】深度卷积GAN实证——华泰人工智能系列之...
DCGAN网络构建为了尽量避免生成器G或判别器D任何一方过于强大,D和G在参数数量和网络复杂度方面应当接近平衡。同时,使用转置卷积层时,应尽量设置核尺寸可被步长整除以减轻棋盘效应。生成器G网络使用含五个转置卷积层的全卷积网络结构。在多资产生成的应用场景下,我们需要通过参数设定保证最后一层转置层的输出为资产数...
深度推荐 | 金工:人工智能44:深度卷积GAN实证
因此,转置卷积层的使用可能带来效果下降的风险。DCGAN网络构建为了尽量避免生成器G或判别器D任何一方过于强大,D和G在参数数量和网络复杂度方面应当接近平衡。同时,使用转置卷积层时,应尽量设置核尺寸可被步长整除以减轻棋盘效应。生成器G网络使用含五个转置卷积层的全卷积网络结构。在多资产生成的应用场景下,我们...
【华泰金工林晓明团队】图神经网络选股与Qlib实践——华泰人工...
图时空网络的核心思想是将循环神经网络(或卷积神经网络)与图神经网络结合,目标是学习原始数据时间域和空间域上更丰富的信息,适用于量化选股领域。关系股票排序框架(RSR)和GATs_ts都属于图时空网络范畴。RSR在顺序嵌入层采用LSTM学习股票的时间序列特征,随后对股票间的多种类型关系构建显式图,在关系嵌入层使用动态时间图...