TimeGAN大作业
文章平均质量分 95
作业
sjtuSecondSilly
胶带第二傻
展开
-
GAN(生成对抗网络)在合成时间序列数据中的应用(第二部分——利用GAN生成时间序列数据)
GAN(生成对抗网络)在合成时间序列数据中的应用(第二部分–TimeGAN 与合成金融输入)(本文基本是对Jasen 的《Machine Learning for Algorithmic Trading》第二版的第21章进行翻译、改写和复现,并用于我们的实际情况)利用GAN生成合成时间序列数据,所面临的挑战要大于利用GAN生成合成图片。除了要学习每个给定点分分布(如某个时间戳上股票价格的分布),GAN还需要学习时间动力学——这种动力学是两个序列相关性背后的驱动力。Yoon等人在2019年12月介绍了一转载 2021-07-13 02:44:56 · 9620 阅读 · 31 评论 -
GAN(生成对抗网络)在合成时间序列数据中的应用(第一部分——利用GAN生成合成(synthetic)数据)
GAN(生成对抗网络)在合成时间序列数据中的应用(第一部分——利用GAN生成合成数据)(本文基本是对Jasen 的《Machine Learning for Algorithmic Trading》第二版的第21章进行翻译、改写和复现,并用于我们的实际情况)1. 准备阶段配置介绍在Anaconda下安装TensorFlow以及在Jupyter Notebook中引用的准备,可以参考以下文档https://www.tensorflow.org/tutorials/quickstart/beginne翻译 2021-07-06 12:27:13 · 5960 阅读 · 0 评论