技术应用 | 量子编程与传统建模融合的组合优化问题求解方案研究

均值方差值等于组合的预期收益减去组合的相关性风险,其值越大,表示综合风险考量下组合的收益越大。研究团队基于均值方差模型,将股票的平均净值增长率作为预期收益率,并以增长率的协方差矩阵表示股票之间的关联性,分别使用OPL语言和Pyomo建模工具对m只股票选n只的组合优化场景进行建模,并保存为LP文件,再使用Qiskit进行...

如果你的PyTorch优化器效果欠佳,试试这4种深度学习高级优化技术

4、协方差矩阵自适应进化策略(CMA-ES)协方差矩阵自适应进化策略(CMA-ES)是一种高度复杂的优化算法,特别适用于难以处理的非凸优化问题。它通过自适应地学习问题的协方差结构来指导搜索过程。fromcmaimportCMAEvolutionStrategyes=CMAEvolutionStrategy(x0,0.5,{"maxiter":maxiter,"seed":42})op...

超详细讲解时间序列分析和预测(含实例代码)

p阶自回归过程公式:y=u+求和a*y(t-i)+ey是当前值,u是常数项,e是误差项(服从独立同分布)y(t-i)当前预测的值与前P天相关,a是自相关系数自回归模型限制用自身来预测平稳性自相关性判断自相关系数!!只适用于预测与自身前期相关的现象移动平均模型(MA)关注自回归模型中的...

深入解析高斯过程:数学理论、重要概念和直观可视化全解

如果x和y的关系如下,f服从高斯过程。所以输出y遵循以下多元高斯分布。在拟合过程中,只需要通过核函数计算协方差矩阵,输出y分布的参数被确定为恰好为1。除了核函数的超参数外,高斯过程没有训练阶段。在推理过程中,由于高斯过程没有像线性回归模型那样的权重参数,所以需要重新拟合(包括新数据)。但是可以利用多元...

Markowitz的组合管理理论给我们带来了什么?

1、更好的收益和风险估计的精度和鲁棒性,包括通过贝叶斯估计和收缩技术的应用;通过因子模型进行风险协方差的估计;以及从静态模型到时变模型的改进。2、在目标函数中增加交易成本、市场整体相关性、更高阶矩和市场不对称等重要度量的惩罚,或者使用类风险平价的目标函数。

深入理解双变量(二元)正态投影:理论基础、直观解释与应用实例

和协方差矩阵的逆:将此代入密度函数的表达式,我们得到:现在,正态二元分布的边际概率密度函数是正态单变量(www.e993.com)2024年11月22日。X的边际函数由以下公式给出:现在我们可以计算给定X=x时Y的条件分布。注意,这仍然是正态的:代入联合密度函数和边际密度函数得到投影密度投影公式现在是给定X=x时Y的期望,可以通过积分投影密度函数来...

LeCun哈佛演讲PPT放出:唱衰自回归LLM,指明下一代AI方向

接着LeCun介绍了他们在ICLR2022上提出的VICReg方法,这是一种基于方差-协方差正则化的自监督学习方法,通过约束嵌入空间中样本的方差和协方差,使得模型能够学习到更具代表性的特征。相较于传统的自监督学习方法,VICReg在特征提取和表示学习方面表现更好,为自监督学习领域带来了新的突破。

计算神经科学读书会启动:从复杂神经动力学到类脑人工智能

研究方向:神经元网络中连接图结构和其动力学性质之间的关系;建模和分析神经元活动数据中的回路机制。提出了刻画连接模体(motif)影响神经元群体相关性的数学工具,和解释神经元活动维度性质的动力学模型。张铁林,中科院自动化所复杂系统认知与决策实验室副研究员,智能机制机理研究部PI。

多任务高斯过程数学原理和Pytorch实现示例

这确保了核函数是半正定的。ICM方法可以学习任务之间的共享结构。任务之间的皮尔逊相关系数可以表示为:Linearmodelofcoregionalization(LMC)另一种常见的方法是LMC(线性核心区域化模型)模型,它通过允许更多种类的输入核来扩展ICM。在LMC模型中,协方差函数定义为:...

基础架构竞争激烈,LSTM原作者提出指数门控xLSTM,性能直逼...

作者首先设计了一种全新的新的内存混合方式,称为sLSTM(ScalarLSTM),通过指数门控激活函数(exponentialgates)和全新的归一化技术,来增强LSTM修正其存储决策的能力。此外设计了一种矩阵记忆和协方差更新规则,具体体现在mLSTM(MatrixLSTM)模块中。与Transformer等流行架构类似,作者将xLSTM的整体架构设置为残差网络模式...