![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
量化橙同学
好好记录就是对曾经的负责,是对生命的珍视,对价值的保护,对勤奋的肯定,对灵魂的忠诚!
展开
-
深度学习学习——时间序列模型之TCN
时间卷积网络TCN:时间序列处理的新模型https://deephub.blog.csdn.net/article/details/108139878https://blog.csdn.net/qq_27586341/article/details/90751794TCN-时间卷积网络原创 2021-08-17 10:30:42 · 1763 阅读 · 0 评论 -
图神经网络学习—— 一文说明白图卷积GCN和图注意力GAT的区别
文章翻译自 DGL文档https://docs.dgl.ai/en/latest/tutorials/models/1_gnn/9_gat.html文章末尾是原文:GCN和GAT的关键区别在于,如何聚合来自临近邻居的信息(指一条,文章里说的是one-hop)。对于GCN而言,一个图的卷积运算产生邻节点特征的归一化和。其中N(i)为其一跳邻居的集合(若要在集合中包含vi,只需...原创 2020-02-14 10:51:30 · 7047 阅读 · 1 评论 -
GCN批训练的问题-GCN Batch operations
在使用GCN进行分类时候,很自然会产生一个问题,那就是,如果我们想输入一串图进行分类,应该怎么做?很幸运的是原作者在issue里面提供了解决思路:想看原汁原味的解决思路请去传送门:GCN batch operations...原创 2019-12-21 12:23:17 · 5617 阅读 · 1 评论 -
研究生课程——learning from data——mini project
目前计划:高频交易领域的预测问题,待续原创 2019-09-20 10:29:54 · 277 阅读 · 0 评论 -
研究生课程——learning from data——课程拓展阅读笔记
待续原创 2019-09-20 10:29:11 · 320 阅读 · 0 评论 -
研究生课程——learning from data——lecture1:introduction
inference:深度学习一般分为训练和在线推断两个部分,大家平时经常关注的多为训练阶段,也就是搜索和求解模型最优参数的阶段。而当模型参数已经求解出来,如何使用模型,以及在在线环境中部署模型,也是非常重要的。(此内容来自深度学习在线推断技术)bayesian estimation :the core approach in estimating model parameters from...原创 2019-09-20 10:16:13 · 401 阅读 · 0 评论 -
研究生课程——learning from data——overview
overview任务:20%+30%+50%(期中期末mini project和日常的编程任务)5次手写的作业和4次编程作业,每2周一次课程资料:Christopher M. Bishop - Pattern Recognition and Machine Learning-Springer (2006)Understanding Machine Learning: Fr...原创 2019-09-20 09:51:09 · 281 阅读 · 0 评论 -
量化投资学习——时间序列分析中的模型稀疏性问题
在分析量化交易模型中,经常会遇到一类问题就是:在万的和其他的平台上能获取各种各样的基本面指标,情绪指标,各种指标,我们当然可以用单因子分析的方法流程来处理,但是还是有一个问题是掩饰不住的,就是指标很多很多,但是样本点很少很少,这个时候其实总体来说预测因子的数目 p 特别大,而样本数量 n 却很小,毕竟每年才 240 多天, 因此,这属于 p>>n 的问题,属于高维统计(high-dim...原创 2019-06-08 21:23:09 · 1250 阅读 · 0 评论 -
深入理解Goodfellow的GAN神经网络
一个很好的博文:https://blog.csdn.net/on2way/article/details/72773771解释的很清楚原创 2018-04-08 20:20:40 · 1059 阅读 · 0 评论 -
Bias-Variance Tradeoff(权衡偏差与方差)
偏差度量了学习算法的期望预测与真实结果的偏离程度,即刻画了学习算法本身的拟合能力;方差度量了同样大小的训练集的变动所导致的学习性能的变化,即刻画了数据扰动所造成的影响;噪声则表达了学习问题本省的难度。偏差-方差分解说明,泛化能力是由学习算法的能力、数据的充分性以及学习任务本身的难度所共同决定的,给定学习任务,为了取得好的泛化性能,需使偏差较小,即能够充分拟合数据,并使方差较小,使数据扰动产生的影响...原创 2018-03-05 20:45:50 · 597 阅读 · 0 评论 -
AlexNet网络介绍
本文转自红黑联盟https://www.2cto.com/kf/201608/533035.html1LeNet-51.1局限性早在1989年,Yann LeCun (现纽约大学教授)和他的同事们就发表了卷积神经网络(Convolution NeuralNetworks, 简称CNN)的工作。在很长时间里,CNN虽然在小规模的问题上,如手写数字,取得过当时世界最好结果,但一直没有取得巨大成功。这主...转载 2018-03-04 20:59:18 · 9978 阅读 · 0 评论 -
sess = tf.session(config=tf.ConfigProto(log_device_placement=True))时的警告信息
pip操作安装了的tensorflow会有提示:Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2,原因好像是编译问题,cpu没有得到充分的利用,如果从官网下载源码不会有这种问题,如果用gpu可以忽略,使用:import osos.environ['TF_CPP_...原创 2018-03-04 10:42:07 · 4841 阅读 · 0 评论