Fugu-MT 論文翻訳(概要): CNN-DRL with Shuffled Features in Finance

論文の概要: CNN-DRL with Shuffled Features in Finance

arxiv url: http://arxiv.org/abs/2402.03338v1
Date: Tue, 16 Jan 2024 14:46:28 GMT
ステータス: 処理完了
システム内更新日: 2024-02-11 15:37:18.771959
Title: CNN-DRL with Shuffled Features in Finance
Title（参考訳）: CNN-DRLと金融のシャッフル機能
Authors: Sina Montazeri, Akram Mirzaeinia, Amir Mirzaeinia
Abstract要約: 深層強化学習における畳み込みニューラルネットワークエージェントの財務データへの適用により、報酬が強化された。特徴ベクトルに特定の置換を適用したことにより、CNN行列を生成し、より関連する特徴を近接して戦略的に配置する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In prior methods, it was observed that the application of Convolutional Neural Networks agent in Deep Reinforcement Learning to financial data resulted in an enhanced reward. In this study, a specific permutation was applied to the feature vector, thereby generating a CNN matrix that strategically positions more pertinent features in close proximity. Our comprehensive experimental evaluations unequivocally demonstrate a substantial enhancement in reward attainment.
Abstract（参考訳）: 従来の手法では、深層強化学習における畳み込みニューラルネットワークエージェントの適用により、報酬が増大することが観察された。本研究では,特徴ベクトルに特定の置換を適用し,CNN行列を生成し,より近い位置でより関連する特徴を戦略的に配置する。包括的実験による評価は、報酬達成の大幅な向上を示すものである。

関連論文リスト

Visualising Feature Learning in Deep Neural Networks by Diagonalizing the Forward Feature Map [4.776836972093627]
本稿では,ディープニューラルネットワーク(DNN)を分解して特徴学習を分析する手法を提案する。 DNNはクラス数に等しい多くの固有関数に支配される最小特徴(MF)体制に収束する。我々は、神経崩壊現象を、回帰のようなより広範なタスクに拡張できるカーネルイメージに再キャストする。
論文参考訳（メタデータ） (2024-10-05T18:53:48Z)
Convergence Analysis for Deep Sparse Coding via Convolutional Neural Networks [7.956678963695681]
本稿では,Deep Sparse Coding(DSC)モデルについて紹介する。スパース特徴を抽出する能力において,CNNの収束率を導出する。スパースコーディングとCNNの強いつながりにインスパイアされた私たちは、ニューラルネットワークがよりスパースな機能を学ぶように促すトレーニング戦略を探求する。
論文参考訳（メタデータ） (2024-08-10T12:43:55Z)
Graph Neural Networks Provably Benefit from Structural Information: A Feature Learning Perspective [53.999128831324576]
グラフニューラルネットワーク(GNN)は、グラフ表現学習の先駆けとなった。本研究では,特徴学習理論の文脈におけるグラフ畳み込みの役割について検討する。
論文参考訳（メタデータ） (2023-06-24T10:21:11Z)
ASU-CNN: An Efficient Deep Architecture for Image Classification and Feature Visualizations [0.0]
活性化関数はディープニューラルネットワークの能力を決定する上で決定的な役割を果たす。本稿では,ASU-CNNと呼ばれる畳み込みニューラルネットワークモデルを提案する。ネットワークは、CIFAR-10の分類のためのトレーニングデータとテストデータの両方において有望な結果を得た。
論文参考訳（メタデータ） (2023-05-28T16:52:25Z)
Influencer Detection with Dynamic Graph Neural Networks [56.1837101824783]
インフルエンサー検出のための動的グラフニューラルネットワーク(GNN)の構成について検討する。 GNNにおける深層多面的注意と時間特性の符号化が性能を著しく向上させることを示す。
論文参考訳（メタデータ） (2022-11-15T13:00:25Z)
Initial Study into Application of Feature Density and Linguistically-backed Embedding to Improve Machine Learning-based Cyberbullying Detection [54.83707803301847]
この研究は、自動サイバーバブル検出に関するKaggleコンペティションで提供されたFormspringデータセットで実施された。本研究は,サイバブリング検出におけるニューラルネットワークの有効性と分類器性能と特徴密度の相関性を確認した。
論文参考訳（メタデータ） (2022-06-04T03:17:15Z)
Feature Imitating Networks [6.0450568069563735]
ニューラルラーニングの新しいアプローチ:FIN(Feature-Imitating-Network)を紹介する。 FINは、シャノンのエントロピーのような1つ以上の閉形式の統計的特徴を確実に近似する重みを持つニューラルネットワークである。我々は、FINが様々なダウンストリーム信号処理および推論タスクに最高の性能を提供することを示した。
論文参考訳（メタデータ） (2021-10-10T15:58:58Z)
Neural Gaussian Mirror for Controlled Feature Selection in Neural Networks [3.716862357836751]
本稿では,カーネルをベースとした条件依存度に基づく構造的摂動により,ミラー化された特徴が生成されるニューラルガウスミラー(NGM)を紹介し,特徴の重要性を評価する。シミュレーションおよび実データ例で示すように,提案手法は事前定義されたレベルで特徴選択誤差率を制御し,高度に相関した特徴が存在する場合でも高い選択力を維持する。
論文参考訳（メタデータ） (2020-10-13T04:30:53Z)
How Neural Networks Extrapolate: From Feedforward to Graph Neural Networks [80.55378250013496]
勾配勾配降下法によりトレーニングされたニューラルネットワークが、トレーニング分布の支持の外で学んだことを外挿する方法について検討する。グラフニューラルネットワーク(GNN)は、より複雑なタスクでいくつかの成功を収めている。
論文参考訳（メタデータ） (2020-09-24T17:48:59Z)
Kernel-Based Smoothness Analysis of Residual Networks [85.20737467304994]
ResNets(Residual Networks)は、これらの強力なモダンアーキテクチャの中でも際立っている。本稿では,2つのモデル,すなわちResNetsが勾配よりもスムーズな傾向を示す。
論文参考訳（メタデータ） (2020-09-21T16:32:04Z)
Alpha Discovery Neural Network based on Prior Knowledge [55.65102700986668]
遺伝的プログラミング(GP)は、金融自動化機能構築タスクにおける最先端技術である。本稿では,分散金融技術指標の自動構築が可能なニューラルネットワーク構造であるAlpha Discovery Neural Network (ADNN)を提案する。
論文参考訳（メタデータ） (2019-12-26T03:10:17Z)

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。