Fugu-MT 論文翻訳(概要): COVID19-HPSMP: COVID-19 Adopted Hybrid and Parallel Deep Information Fusion Framework for Stock Price Movement Prediction

論文の概要: COVID19-HPSMP: COVID-19 Adopted Hybrid and Parallel Deep Information Fusion Framework for Stock Price Movement Prediction

arxiv url: http://arxiv.org/abs/2101.02287v1
Date: Sat, 2 Jan 2021 15:55:19 GMT
ステータス: 処理完了
システム内更新日: 2021-04-13 09:00:26.216835
Title: COVID19-HPSMP: COVID-19 Adopted Hybrid and Parallel Deep Information Fusion Framework for Stock Price Movement Prediction
Title（参考訳）: COVID19-HPSMP:株価変動予測のためのハイブリッド・並列深層情報統合フレームワーク
Authors: Farnoush Ronaghi, Mohammad Salimibeni, Farnoosh Naderkhani, and Arash Mohammadi
Abstract要約: 新型コロナウイルスのパンデミックは、世界中の金融エコノメトリックスや株式市場に悪影響を及ぼしています。人工知能(AI)と機械学習(ML)ベースの予測モデルは、重要な有効要因として機能する可能性がある。
参考スコア（独自算出の注目度）: 8.284193221280216
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The novel of coronavirus (COVID-19) has suddenly and abruptly changed the world as we knew at the start of the 3rd decade of the 21st century. Particularly, COVID-19 pandemic has negatively affected financial econometrics and stock markets across the globe. Artificial Intelligence (AI) and Machine Learning (ML)-based prediction models, especially Deep Neural Network (DNN) architectures, have the potential to act as a key enabling factor to reduce the adverse effects of the COVID-19 pandemic and future possible ones on financial markets. In this regard, first, a unique COVID-19 related PRIce MOvement prediction (COVID19 PRIMO) dataset is introduced in this paper, which incorporates effects of social media trends related to COVID-19 on stock market price movements. Afterwards, a novel hybrid and parallel DNN-based framework is proposed that integrates different and diversified learning architectures. Referred to as the COVID-19 adopted Hybrid and Parallel deep fusion framework for Stock price Movement Prediction (COVID19-HPSMP), innovative fusion strategies are used to combine scattered social media news related to COVID-19 with historical mark data. The proposed COVID19-HPSMP consists of two parallel paths (hence hybrid), one based on Convolutional Neural Network (CNN) with Local/Global Attention modules, and one integrated CNN and Bi-directional Long Short term Memory (BLSTM) path. The two parallel paths are followed by a multilayer fusion layer acting as a fusion centre that combines localized features. Performance evaluations are performed based on the introduced COVID19 PRIMO dataset illustrating superior performance of the proposed framework.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)は、21世紀の3世紀初頭に我々が知ったように、突然、そして突然、世界を変えた。特に新型コロナウイルスのパンデミックは、世界中の経済指標や株式市場に悪影響を及ぼしている。人工知能(AI)と機械学習(ML)ベースの予測モデル、特にDeep Neural Network(DNN)アーキテクチャは、新型コロナウイルス(COVID-19)パンデミックと将来の金融市場に対する悪影響を軽減する重要な要因として機能する可能性がある。本稿では,まず,covid-19プライスムーブメント予測(covid19 primo)データセットを導入し,covid-19関連ソーシャルメディアの動向が株価変動に与える影響について考察する。その後、異なる多様な学習アーキテクチャを統合する新しいハイブリッドかつ並列DNNベースのフレームワークが提案されている。株価変動予測(COVID19-HPSMP)のためのハイブリッドと並列の深層融合フレームワーク(Hybrid and Parallel Deep fusion framework)として、新型コロナウイルスに関連するソーシャルメディアニュースと歴史的なマークデータを組み合わせた革新的な融合戦略が用いられている。提案したCOVID19-HPSMPは、2つの並列パス(hence hybrid)で構成され、1つは畳み込みニューラルネットワーク(CNN)とローカル/グローバルアテンションモジュール、もう1つは統合されたCNNと双方向長短項メモリ(BLSTM)からなる。 2つの平行経路は、局所的な特徴を結合する融合中心として働く多層核融合層が続く。提案フレームワークの優れた性能を示す COVID19 PRIMO データセットを用いて性能評価を行う。

関連論文リスト

An Interpretable Hybrid Predictive Model of COVID-19 Cases using Autoregressive Model and LSTM [3.7555792840171787]
本稿では,自己回帰モデル(AR)の解釈可能性と,長期記憶ニューラルネットワーク(LSTM)の予測能力が結合する新しいハイブリッドモデルを提案する。我々の研究は、効率的かつ解釈可能なデータ駆動モデルを構築するための、新しい、そして有望な方向性を提供する。
論文参考訳（メタデータ） (2022-11-14T17:55:43Z)
Learning with MISELBO: The Mixture Cookbook [62.75516608080322]
本稿では,VampPriorとPixelCNNデコーダネットワークを用いて,フローベース階層型変分オートエンコーダ(VAE)の正規化のための変分近似を初めて提案する。我々は、この協調行動について、VIと適応的重要度サンプリングの新たな関係を描いて説明する。我々は、MNISTおよびFashionMNISTデータセット上の負のログ類似度の観点から、VAEアーキテクチャの最先端結果を得る。
論文参考訳（メタデータ） (2022-09-30T15:01:35Z)
BScNets: Block Simplicial Complex Neural Networks [79.81654213581977]
グラフ学習における最新の方向性として、SNN(Simplicial Neural Network)が最近登場した。リンク予測のためのBlock Simplicial Complex Neural Networks (BScNets) モデルを提案する。 BScNetsは、コストを抑えながら最先端のモデルよりも大きなマージンを保っている。
論文参考訳（メタデータ） (2021-12-13T17:35:54Z)
Temporal Deep Learning Architecture for Prediction of COVID-19 Cases in India [1.7969777786551424]
最近、新型コロナウイルスの拡散のダイナミックな傾向を理解するために、新しい機械学習アプローチが使用されている。我々は、バニラLSTM、積み重ねLSTM、ED-LSTM、Bi-LSTM、CNN、ハイブリッドCNN+LSTMモデルという、繰り返しおよび畳み込みニューラルネットワークモデルを設計した。その結果,積み重ね型LSTMとハイブリッド型CNN+LSTMは,他のモデルと比較して高い性能を示した。
論文参考訳（メタデータ） (2021-08-31T13:28:51Z)
COVID-19 Pneumonia Severity Prediction using Hybrid Convolution-Attention Neural Architectures [6.162410142452926]
本稿では,調査データセットの極めて少ないデータシナリオを対象とした,データ中心の事前学習を提案する。次に,TransformerとDense Associative Memoryの自己アテンションを利用した2つのハイブリッド畳み込み型ニューラルネットワークを提案する。
論文参考訳（メタデータ） (2021-07-06T15:26:07Z)
End-2-End COVID-19 Detection from Breath & Cough Audio [68.41471917650571]
クラウドソースのオーディオサンプルからエンドツーエンドのディープラーニングを使用してCOVID-19を診断する最初の試みを実証します。本研究では, 人工深層ニューラルネットワークを用いて, 人工呼吸器から新型コロナを診断する新しいモデル戦略を提案する。
論文参考訳（メタデータ） (2021-01-07T01:13:00Z)
A Spatial-Temporal Graph Based Hybrid Infectious Disease Model with Application to COVID-19 [3.785123406103385]
新型コロナウイルスのパンデミックが進むにつれて、信頼できる予測が政策立案に重要な役割を果たす。 RNNのようなデータ駆動機械学習モデルは、COVID-19のような時系列データに制限がある場合に悩まされる可能性がある。グラフ構造上にSEIRとRNNを組み合わせることで,学習と予測の精度と効率を両立させるハイブリッド時間モデルを構築する。
論文参考訳（メタデータ） (2020-10-18T19:34:54Z)
Semi-supervised Neural Networks solve an inverse problem for modeling Covid-19 spread [61.9008166652035]
半教師付きニューラルネットワークを用いた新型コロナウイルスの感染拡大について検討した。我々は、人口の受動的一部がウイルスの動態から分離されていると仮定する。
論文参考訳（メタデータ） (2020-10-10T19:33:53Z)
Stock2Vec: A Hybrid Deep Learning Framework for Stock Market Prediction with Representation Learning and Temporal Convolutional Network [71.25144476293507]
我々は、株式市場の日々の価格を予測するためのグローバルなハイブリッドディープラーニングフレームワークを開発することを提案した。表現学習によって、私たちはStock2Vecという埋め込みを導きました。我々のハイブリッドフレームワークは、両方の利点を統合し、いくつかの人気のあるベンチマークモデルよりも、株価予測タスクにおいてより良いパフォーマンスを達成する。
論文参考訳（メタデータ） (2020-09-29T22:54:30Z)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
Using VERA to explain the impact of social distancing on the spread of COVID-19 [7.4842212802498755]
我々は、対話型AIツールVERAを紹介し、新型コロナウイルスの拡散に対するソーシャルディスタンシングの影響の概念モデルを特定する。新型コロナウイルス感染拡大のためのSIRモデルの開発と、その医療能力との関係について、VERAを用いて説明する。
論文参考訳（メタデータ） (2020-03-30T19:22:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。