論文の概要: Off-the-Shelf Neural Network Architectures for Forex Time Series Prediction come at a Cost

• arxiv url: http://arxiv.org/abs/2405.10679v1
• Date: Fri, 17 May 2024 10:20:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-20 16:22:57.712854
• Title: Off-the-Shelf Neural Network Architectures for Forex Time Series Prediction come at a Cost
• Title（参考訳）: プレックス時系列予測のためのオフザシェルフニューラルネットワークアーキテクチャのコスト
• Authors: Theodoros Zafeiriou, Dimitris Kalles,
• Abstract要約: 本研究では,異なるLong Short-Term Memory(LSTM)ニューラルネットワークアーキテクチャと,Forex市場予測のためのANN特化アーキテクチャの比較に焦点をあてる。 我々の目的は、この特殊なアーキテクチャが、フォレックス市場予測においてより良い結果を得るだけでなく、リソースが少なく、LSTMアーキテクチャと比較して短い時間枠で実行できることを実証することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Our study focuses on comparing the performance and resource requirements between different Long Short-Term Memory (LSTM) neural network architectures and an ANN specialized architecture for forex market prediction. We analyze the execution time of the models as well as the resources consumed, such as memory and computational power. Our aim is to demonstrate that the specialized architecture not only achieves better results in forex market prediction but also executes using fewer resources and in a shorter time frame compared to LSTM architectures. This comparative analysis will provide significant insights into the suitability of these two types of architectures for time series prediction in the forex market environment.
• Abstract（参考訳）: 本研究は,異なるLong Short-Term Memory(LSTM)ニューラルネットワークアーキテクチャと,Forex市場予測のためのANN特化アーキテクチャの比較に焦点をあてる。 我々は,メモリや計算能力などの資源だけでなく,モデルの実行時間も分析する。 我々の目的は、この特殊なアーキテクチャが、フォレックス市場予測においてより良い結果を得るだけでなく、リソースが少なく、LSTMアーキテクチャと比較して短い時間枠で実行できることを実証することである。 この比較分析は、フォレックス市場環境における時系列予測のための2種類のアーキテクチャの適合性に関する重要な洞察を提供する。

関連論文リスト

• Comparative analysis of neural network architectures for short-term FOREX forecasting [0.0]
  この文書は、外国為替市場(FOREX)のための短期周波数予測システムにおいて、様々なニューラルネットワークアーキテクチャの分析、設計、実装、およびベンチマークについて記述する。 本研究の目的は,市場環境の変化に迅速に対応できるシステムを用いて,人間専門家の判断をシミュレートすることである。
  論文  参考訳（メタデータ） (2024-05-13T14:51:02Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• Stock Price Prediction Using Temporal Graph Model with Value Chain Data [3.1641827542160805]
  本稿では,Long Short-Term Memory Graph Convolutional Neural Network (LSTM-GCN)モデルを提案する。 本実験により,LSTM-GCNモデルでは,価格データに完全に反映されていないバリューチェーンデータから付加的な情報を取得することができることが示された。
  論文  参考訳（メタデータ） (2023-03-07T17:24:04Z)
• Long Short-Term Memory Neural Network for Financial Time Series [0.0]
  株価変動の予測のために,単体および並列長短期記憶ニューラルネットワークのアンサンブルを提案する。 ストレートなトレーディング戦略では、ランダムに選択されたポートフォリオと指数のすべての株を含むポートフォリオを比較すると、LSTMアンサンブルから得られたポートフォリオが平均的なリターンと時間とともに高い累積リターンを提供することを示している。
  論文  参考訳（メタデータ） (2022-01-20T15:17:26Z)
• Price graphs: Utilizing the structural information of financial time series for stock prediction [4.4707451544733905]
  株価予測に関する両問題に対処する新しい枠組みを提案する。 時系列を複雑なネットワークに変換するという点では、市場価格をグラフに変換する。 予測モデル入力として時間点間の関係を表すためにグラフ埋め込みを用いる。
  論文  参考訳（メタデータ） (2021-06-04T14:46:08Z)
• Weak NAS Predictors Are All You Need [91.11570424233709]
  最近の予測器ベースのnasアプローチは、アーキテクチャとパフォーマンスのペアをサンプリングし、プロキシの精度を予測するという2つの重要なステップで問題を解決しようとする。 私たちはこのパラダイムを、アーキテクチャ空間全体をカバーする複雑な予測子から、ハイパフォーマンスなサブスペースへと徐々に進む弱い予測子へとシフトさせます。 NAS-Bench-101 および NAS-Bench-201 で最高の性能のアーキテクチャを見つけるためのサンプルを少なくし、NASNet 検索空間における最先端の ImageNet パフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-02-21T01:58:43Z)
• MS-RANAS: Multi-Scale Resource-Aware Neural Architecture Search [94.80212602202518]
  我々は,MS-RANAS(Multi-Scale Resource-Aware Neural Architecture Search)を提案する。 我々は,検索コストの削減を図るために,ワンショットのアーキテクチャ探索手法を採用した。 我々は精度-速度トレードオフの観点から最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-09-29T11:56:01Z)
• Deep Stock Predictions [58.720142291102135]
  本稿では,Long Short Term Memory (LSTM) ニューラルネットワークを用いてポートフォリオ最適化を行うトレーディング戦略の設計について考察する。 次に、LSTMのトレーニングに使用する損失関数をカスタマイズし、利益を上げる。 カスタマイズされた損失関数を持つLSTMモデルは、ARIMAのような回帰ベースライン上でのトレーニングボットの性能を向上させる。
  論文  参考訳（メタデータ） (2020-06-08T23:37:47Z)
• A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
  我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。 アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
  論文  参考訳（メタデータ） (2020-05-14T09:02:33Z)
• Stage-Wise Neural Architecture Search [65.03109178056937]
  ResNetやNASNetのような現代の畳み込みネットワークは、多くのコンピュータビジョンアプリケーションで最先端の結果を得た。 これらのネットワークは、同じ解像度で表現を操作するレイヤのセットであるステージで構成されている。 各ステージにおけるレイヤー数の増加はネットワークの予測能力を向上させることが示されている。 しかし、結果として得られるアーキテクチャは、浮動小数点演算、メモリ要求、推論時間の観点から計算的に高価になる。
  論文  参考訳（メタデータ） (2020-04-23T14:16:39Z)

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。