本文为对财务领域中利用深度学习模型进行时间序列预测的文献进行了全面的回顾,将研究分为根据预测实现区域(如指数、外汇、商品预测),以及基于不同 DL 模型选择(如 CNNs,DBNs,LSTM),同时探讨了该领域未来的发展机会和挑战。
Nov, 2019
使用深度学习层次模型探索金融预测和分类问题,应用深度学习方法可以比现有标准方法更好地解决大规模数据集中的复杂数据交互问题,以便探测和利用当前任何金融经济理论看不到的数据交互。
Feb, 2016
通过综合研究文献,本文广泛探讨了深度学习在各个学科中的潜在应用,以及相关的优势和挑战,验证了深度学习在预测分析方面的准确性和优势,使其成为一种强大的计算工具。深度学习独立于训练数据,因此需要大量的数据进行有效的分析和处理。为了处理大量的医疗、科学、医疗保健和环境数据,可以利用诸如 LSTMs 和 GRUs 的门控架构。对于多模态学习,神经网络中的共享神经元和特定任务的专用神经元是必要的。
Sep, 2023
该论文论述了深度学习虽然备受欢迎,但在商业分析领域普及存在困难,原因是计算复杂度、数据结构、缺乏透明度(黑匣子)和人才短缺等问题,而且在结构化数据集上无法优于传统的机器学习模型。因此,应该把深度学习视为现有机器学习模型的有力补充,而非通用解决方案。
May, 2022
这篇研究论文对近年来基于深度学习模型的股票市场预测的研究进行了综述,分析并分类了不同数据源、神经网络结构、常用评估指标以及实现和可重现性,并提出了未来的研究方向,旨在帮助研究人员了解最新进展和重现以前的研究作为基线。
Feb, 2020
综述了深度学习在计算机视觉、自然语言处理、时间序列分析和普适计算领域的最新模型以及其在解决各个领域问题中的有效性,并介绍了深度学习的基础知识、各种模型类型以及重要的卷积神经网络架构,并讨论了深度学习研究的挑战和未来方向。
Mar, 2024
金融投资组合管理、深度学习方法、自动化金融交易、情感信息和训练问题的研究论文摘要。
Jul, 2023
这篇文章利用自然语言处理技术,针对多个领域的相关研究文献分析了深度学习技术的扩散和影响,在研究健康科学的过程中发现,深度学习技术的采用虽然与知识结构的颠覆和再组合的新颖性呈现负相关,但却能提高期望和引用性能方面的变异性。因此,深度学习方法可以作为一种通用的科学方法,以可衡量的方式推动科学的进展。
Sep, 2020
本文综述了近年来 2020 至 2022 年关于利用深度学习模型基于金融时序数据预测价格的研究,包括不同数据源和神经网络结构的实现细节,旨在让研究人员了解该领域最新进展,方便选择先前研究中使用的模型基线,并提供未来研究建议。
Apr, 2023
本文综述了深度学习模型及其在生物信息学和医疗保健领域中的广泛应用,涵盖了不同结构的 DL 模型,并讨论了进行 DL 研究时可能遇到的一些关键挑战。
Feb, 2023