Применение идентификации научной социальной модели при анализе финансовых данных Chen Shanxiong Zhang Weiguo, Создание компьютерного и интернет -искусственного интеллекта, основанное на индикаторах технологий акций как основной издательство науки
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Ценообразование99.00
ИздательScience Press
Версия1
Опубликованная датаДекабрь 2019 года
формат16
авторЧен Шансионг Чжан Вейгуо
Кодирование ISBN9787030639363
«Исследование приложений по распознаванию модели в анализе финансовых данных» изучает правила финансовых данных с точки зрения компьютерных наук и стремится обнаружить и использовать скрытую информацию в больших объемах финансовых данных.«Исследование приложений по распознаванию модели в анализе финансовых данных» начинается с теории распознавания модели компьютерных наук и связанных с ними технологий и использует сеть глубоких убеждений для финансового аномального тестирования, чтобы обнаружить эти мошеннические поведения, скрытые за финансовыми транзакциями; Изучить колебания индекса фонда, а затем предсказать колебания рынка ценных бумаг; , а затем вводятся эмоциональные данные для исправления результатов прогноза;
Оглавление
Предисловие
Глава 1 Введение 1
1.1 ПРИМЕНЕНИЕ ИССЛЕДОВАНИЯ 1
1.2 Цель и значение 1
1.3 Статуя статуса дома и за рубежом 2
1.4 Структурное расположение этой книги 4
1.5 Сводка этой главы 5
Глава 2 Обзор финансового аномалиального экзамена 6
2.1 Основная концепция финансовых нарушений 6
2.2 Предпосылки финансового аномалиального обнаружения 7
2.3 Метод аномального обнаружения 8
2.4 Финансовый аномальный тест на основе анализа данных 9
2.5 Сводка этой главы 10
3 Глава теория глубокого обучения 12
3.1 Глубокий опыт обучения 12
3.2 Основные мысли о глубоком обучении 13
3.3 Общие модели или методы глубокого обучения 13
3.3.1 Автоматический энкодер 13
3.3.2 Sparse Concoding 16
3.3.3 Limit Bolzmann 19
3.3.4 В сети доверия 21
3.4 Сводка этой главы 23
3.4.1 Резюме глубокого обучения 23
3.4.2 Глубокое обучение будущее 24
Глава 4 Применение DBN в тесте на мошенничество 25
4.1 Традиционная технология обнаружения мошенничества 25
4.2 Основные концепции обнаружения мошенничества с кредитными картами 27
4.3 Технология обнаружения мошенничества с кредитными картами 28
4.4 Принцип DBN 30
4.4.1 Limited Boltzmann 30
4.4.2 В сети убеждения 32
4,5 DBN на основе обнаружения мошенничества с кредитными картами 34
4.5.1 Модель обнаружения мошенничества с кредитными картами на основе DBN
4.5.2 DBN Training 35
4.5.3 Экспериментальные результаты и анализ 36
4.6 Сводка этой главы 39
Глава 5 Распознавание аномальных колебаний на основе негативного разложения матрицы 40
5.1 Причина ненормальных данных на фондовом рынке 40
5.1.1 Влияние макроэкономики 40
5.1.2 Влияние поведения инвесторов 41
5.1.3 Политическое влияние 42
5.1.4 Влияние системы 43
5.2 Метод ненормального обнаружения 43
5.3 Метод негативного матричного разложения 44
5.4 Обнаружение аномальных колебаний на основе негативного матричного разложения 45
5.5 Анализ эксперимента 47
5.6 Резюме этой главы 52
Глава 6 Прогнозы защиты CNN 53
6.1 Статус исследования по выявлению кризирования.
6.2 Прогноз дефолта на базу CNN 55
6.3 Прогноз кризирования кредита кредитных сетей Credit Concrete на основе баллов Fusion 56
6.3.1 Структура сети 56
6.3.2 Рейтинг Структура слияния 59
6.3.3 Обучение модели 60
6.4 Структура прогноза кризирования ссуды 63
6.5 Эксперимент и анализ 63
6.5.1 Набор данных 63
6.5.2 Результаты теста 64
6.5.3 Особенности Heades of Health 66
6.6 Сводка этой главы 67
Глава 7 Прогноз запасов, основанный на деревьях, принимающих решения и эмоциональных средствах 68
7.1 Теория дерева решений и получение данных фондового индекса 68
7.1.1 Индикаторы запаса 68
7.1.2 Обработка слов и извлечение элементов 70
7.1.3 Теория дерева решений 72
7.1.4 Процесс Интернета.
7.1.5 Текстовая обработка и эмоциональная классификация 77
7.2 Модель 79 акций 79
7.2.1 Модель дерева решений на основе индекса фондового рынка 79
7.2.2. Реализация и результаты модели дерева решений и результатов отображаются 85
7.3 Проверка модели дерева решений 88
7.3.1 Конвергенция эмоциональных результатов 88
7.3.2 Проверка модели дерева решений 88
7.4 Резюме этой главы 93
Глава 8 Резюме и перспективы 94
8.1 Эта книга суммирует 94
8.2 Исследование перспективы 95
Ссылка 96