递归神经网络(RNN)是神经网络的一种。单纯的RNN因为无法处理随着递归,权重指数级爆炸或消失的问题,难以捕捉长期时间关联;而结合不同的LSTM可以很好解决这个问题。时间递归神经网络可以描述动态时间行为,因为和前馈神经网络接受较特定结构的输入不同,RNN将状态在自身网络中循环传递,因此可以接受更广泛的时间序列结构输入。手写识别是最早成功利用RNN的研究结果。今天小编要给大家介绍的这个科研课题就是与时间递归神经网络预测股票市场相关。课题题目是杜克大学科研课题:基于时间递归神经网络的股票市场预测。
股票交易市场为企业运作创造了有利的筹资环境,投资者可以根据自己投资计划和市场变更情况买卖股票。深刻了解股票变更并作出合理预测对于增强投资者和发行方资本的流动性和安全性都有着关键的作用。除此之外,股票价格还能灵敏反映出行业前景和政治形势的变化。学习和分析股票价格变化趋势在当今社会显得尤为重要。然而,通常情况下对股票做出合理预测需要一定的金融知识积累和对市场信息的深刻了解,这种传统办法不仅昂贵,并且需要耗费大量的人力。
本课题旨在运用机器学习对部分美股上市公司近年来股票变化趋势进行分析。使用深度学习和在自然语言处理领域广泛应用的时间递归神经网络的算法建立模型,建立一个高效且可靠的股票预测系统。可以预测该课题在金融经济领域将有着广泛的应用场景。
本课题是融合了计算机科学和金融学两大领域,借用自然语言处理的成熟算法,采用机器学习和深度神经网络对海量数据进行分析。研究者将获得使用Python处理时序信号、分析数据、训练深度神经网络的技能。同时还能积累机器学习处理实际问题的经验。
AI+X数据驱动型科研
AI+X数据驱动型科研是指使用人工智能(AI)算法,收集、处理、分析具体学科(X)的海量数据,并基于此进行预测,从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比,AI+X数据驱动型科研可以借助AI算法强大的运算能力,高效地进行大数据分析,具有投入产出比高、适用范围广的优点。
AI+X数据驱动型科研已被广泛地应用于各个领域,利用AI算法研究基因数据,从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万,使用传统的科研方式对其进行分析,工程量大、过程繁琐,在客观上难以实现。但借助AI算法这一便捷的工具,生命科学家便能够以海量的患者的遗传信息为基础,建立数据库,与过往的研究成果进行对照,快速、准确地在两者中发现规律、建立联系,从而使癌症诊断的“标准化”成为可能。
杜克大学 博士
导师博士现就读于杜克大学电子计算机工程专业;
研究方向为计算机视觉、卷积神经网络和卫星图像识别;
担任机器学习入门、数据挖掘和图像识别等多门计算机课程助教;
本课题适合: 9-12 年级学生,有较强的逻辑思维和抽象思维能力
英文:
具备基本的学术英语阅读能力;
接触过英文写作,有论文写作经验者更佳;
数学:
微积分;
线性代数;
对于使用数学建模解决和探究实际科学与工程问题有浓厚的兴趣
计算机:
Python, Numpy编程基础
Matplotlib库基础
Sklearn
Anaconda
报名/咨询课题详情
请识别下方二维码
翰林课程体验,退费流程快速投诉邮箱: yuxi@linstitute.net 沪ICP备2023009024号-1