典型文献
基于深度学习的金融时序数据分析研究
文献摘要：
为提高金融时序数据处理及网络模型训练效率,在研究注意力机制和多元时间序列回归模型基础上,设计了一种基于注意力机制的深度学习模型.模型利用双线性投影的思想,在时间模式中加入注意机制,通过促进不同时刻表现相同特征的神经元之间的竞争,从而探究高效学习多元时间序列数据之间的特征关系.仿真结果进一步验证模型的有效性,与传统LSTM、GRU模型相比,所提模型在准确率与训练速度上均有所提升.
文献关键词：
金融分析;时序数据;注意力机制;双线性投影;深度学习
中图分类号：
作者姓名：
李慧玲
作者机构：
国网河北省电力有限公司 信息通信分公司,河北 石家庄050020
文献出处：
引用格式：
[1]李慧玲-.基于深度学习的金融时序数据分析研究)[J].武汉理工大学学报（信息与管理工程版）,2022(05):845-849
A类：
双线性投影
B类：
时序数据分析,模型训练,训练效率,注意力机制,多元时间序列,时间序列回归,深度学习模型,时间模式,注意机制,不同时刻,时刻表,高效学习,时间序列数据,特征关系,验证模型,GRU,训练速度,金融分析
AB值：
0.39309
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
