机译:开发具有两阶段特征选择的深度学习框架以进行多元金融时间序列预测
Zhengzhou Univ Ctr Energy Environm & Econ Res Zhengzhou 450001 Peoples R China|Dongbei Univ Finance & Econ Sch Stat Dalian 116025 Peoples R China|Univ Technol Sydney Fac Engn & Informat Technol Sch Comp Sci Sydney NSW Australia;
Dongbei Univ Finance & Econ Sch Stat Dalian 116025 Peoples R China;
Univ Technol Sydney Fac Engn & Informat Technol Sch Comp Sci Sydney NSW Australia;
Dongbei Univ Finance & Econ Sch Stat Dalian 116025 Peoples R China|Univ Technol Sydney Fac Engn & Informat Technol Sch Comp Sci Sydney NSW Australia;
Deep learning; Multivariate financial time series; Forecasting; Feature selection; Multi-objective optimization;
机译:基于Adaboost的集成框架耦合两级特征提取,深入学习多元汇率预测
机译:使用模型选择框架预测农产品价格与时间序列特征和预测视野
机译:基于特征选择的多变量时间序列预测:抗生素抗性爆发预测的应用
机译:基于因果关系的多变量时间序列预测的特征选择方法
机译:多变量时间序列模式识别使用机器学习和深度学习方法
机译:使用堆叠自动编码器和长期短期记忆的金融时间序列的深度学习框架
机译:使用新的混合特征选择增强多元时间序列的预测性能