深度学习

深度学习是人工智能领域的重要分支，它模拟人脑神经网络的工作原理，通过多层次的数据处理和分析，发现数据的内在规律和模式。在金融领域，深度学习的应用日益广泛。从风险控制、欺诈检测，到投资管理、市场分析，深度学习的算法能够对海量金融数据进行高效、准确的处理，提取有价值的信息。它能够学习并模拟人类的投资决策过程，帮助金融机构优化风险管理模型，提高投资回报率，并为个性化金融服务提供强大的技术支持。深度学习正在改变金融业的运作方式，为金融行业带来前所未有的智能化和效率提升。

Transformer文献综述

一、背景介绍

  《Attention Is All You Need》是一篇Google提出的将Attention思想发挥到极致的论文。这篇论文中提出一个全新的模型，叫 Transformer，抛弃了以往深度学习任务里面使用到的 CNN 和 RNN ，来做机器翻译的任务。Bert就是基于Transformer构建的，这个模型广泛应用于NLP领域，例如机器翻译，问答系统，文本摘要和语音识别等等方向。本文根据论文[《Attention Is All You Need》](https://arxiv.org/abs/1

更新时间：2021-04-23 08:06

Transformer在量化选股中的应用

一、基于时间嵌入的方法

原文链接：https://towardsdatascience.com/stock-predictions-with-state-of-the-art-transformer-and-time-embeddings-3a4485237de6

当前应用于NLP领域的Transformer，结构过于庞大，并不适用于股票数据（开盘价，收盘价，最高价，最低价，等）这样的时序数据，因此，本文提出一种简化的适用于股票数据的Transformer结构，其根据时间嵌入的思想构建，能很好的应用于量化选股中。下面以一个例子来介绍用于股票数据的Transformer体系结构，以及

更新时间：2021-02-03 07:05

分页第1页第2页第3页第4页第5页第6页第7页第8页
{link}