作者: 灵圣
3969人浏览
评论数：0
2年前
量化交易中，最直接的判断策略是根据历史的价格走势或者交易量的变化，来预测未来的价格。这一点对于传统看K线的形态派，和现在使用机器学习的炼丹派应该都是一样的。对价格预测的有效性基于两个假设： 市场参与者的某种交易心理或者说情绪，会形成特定模式的下单流，从结果来
作者: 技术小能手
1752人浏览
评论数：0
3年前
导读 最近在梳理文本分类的各个神经网络算法，特地一个来总结下。下面目录中多通道卷积已经讲过了，下面是链接，没看的可以瞅瞅。我会一个一个的讲解各个算法的理论与实践。目录暂定为： 多通道卷积神经网络（multi_channel_CNN） 深度卷积神经网络（deep
作者: 玄学酱
1792人浏览
评论数：0
4年前
今年5月，Facebook AI研究院（FAIR）发表了他们的研究成果fairseq，在fairseq中，他们使用了一种新型的卷积神经网络来做语言翻译，比循环神经网络的速度快了9倍，而且准确性也是现有模型中最高的。此外，他们在GitHub公布了fair序列建
作者: 技术小能手
8677人浏览
评论数：1
4年前
历时九天，我们收到了近千份有效读者投票，2017 年度最值得读的 AI 论文评选也正式结束。 我们根据读者的投票情况，选出了自然语言处理和计算机视觉领域“2017 年最值得读的十大论文”。让我们一起来看看过去一整年，在 PaperWeekly 读者心中排名前十
作者: 技术小能手
15280人浏览
评论数：0
4年前
论文 | Attention Is All You Need 链接 | https://www.paperweekly.site/papers/224 源码 | https://github.com/Kyubyong/transformer 大道至简，Goo
作者: 技术小能手
3300人浏览
评论数：0
4年前
今年5月10日，Facebook AI 研究实验室（FAIR）发布了一项使用创新性的、基于卷积神经网络的方法来进行语言翻译的最新成果。Facebook 称，该研究取得了截止目前最高准确度，并且速度是基于循环神经网络(RNN)系统的9倍（谷歌的机器翻译系统使用
作者: 初商
1168人浏览
评论数：0
2年前
小叽导读：针对业务场景中标注数据不足、大量的无标注数据又难以有效利用的问题，我们提出了一种面向行为序列数据的深度学习风控算法 Auto Risk，提出通过代理任务从无标注数据中学习通用的特征表示。这种思想与目前 NLP 领域前沿的 Bert 等预训练模型不谋
作者: 技术小能手
4605人浏览
评论数：2
2年前
 阿里妹导读：针对业务场景中标注数据不足、大量的无标注数据又难以有效利用的问题，我们提出了一种面向
