This study evaluates the performances of CNN and LSTM for recognizing common charts patterns in a stock historical data. It presents two common patterns, the method used to build the training set, the neural networks architectures and the accuracies obtained.
翻译：这项研究评估了CNN和LSTM在承认股史数据共同图表模式方面的表现,介绍了两种共同模式,即用于建立培训成套方法、神经网络架构和所获得的理解。
相关内容
模式识别是一个成熟的、令人兴奋的、快速发展的领域，它支撑着计算机视觉、图像处理、文本和文档分析以及神经网络等相关领域的发展。它与机器学习非常相似，在生物识别、生物信息学、多媒体数据分析和最新的数据科学等新兴领域也有应用。模式识别（Pattern Recognition）杂志成立于大约50年前，当时该领域刚刚出现计算机科学的早期。在这期间，它已大大扩大。只要这些论文的背景得到了清晰的解释并以模式识别文献为基础，该杂志接受那些对模式识别理论、方法和在任何领域的应用做出原创贡献的论文。
官网地址：http://dblp.uni-trier.de/db/conf/par/
相关VIP内容
相关资讯
相关论文
微信扫码咨询专知VIP会员