深度学习如何运用到区块链中？

本文我们将和大家探讨深度学习算法，如何在加密资产的量化模型中得到应用的。

深度学习领域的一些方法，在应用于各种资产类别（包括加密）的量化模型时，已经显示出广阔的前景。从各个角度来看，加密资产几乎是基于深度学习的量化模型的完美资产类别。这是因为加密资产的数字DNA和透明性，加密资产的兴起与机器学习的复兴和深度学习的出现是交相呼应的。

接下来我们将介绍五大深度学习方法，以及他们在加密资产的量化模型的应用简介。

一、图神经网络

区块链数据集是加密资产领域量化模型alpha的唯一来源。从结构的角度来看，区块链数据本质上是分层的，由一个图表示，其中节点表示地址，边表示交易。

试想一个场景，一个量化模型试图根据向交易所转移资金的地址的特征来预测比特币在给定交易所中的波动性。这种量化模型需要在层次数据上高效地运行。但是大多数机器学习技术都是设计用来处理表格数据集的，而不是图。

图形神经网络（GNNs）是一门新兴的深度学习学科，主要研究在图数据结构上高效运行的模型。GNNs是一个相对较新的深度学习领域，直到2005年才发明。然而，GNNs已经被Uber、Google、Microsoft、DeepMind等公司大量采用。

在我们的示例场景中，GNNs使用一个图作为输入，表示每笔交易的支出和收入，并推断其对价格