| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
- pandas
- R시각화
- 머신러닝
- 하둡
- 데이터처리
- 데이터시각화
- Hadoop
- r
- HIVE
- NLP
- 빅데이터
- R그래프
- 빅데이터처리
- 자연어처리
- word2vec
- 데이터
- 딥러닝
- 그래프시각화
- 기계학습
- Deeplearning
- Python
- R프로그래밍
- SQL
- lstm
- 그래프
- AI
- CNN
- ggplot
- 주가예측
- 데이터분석
- Today
- Total
목록주가 (2)
욱이의 냉철한 공부
[논문 요약] Forecasting stock prices with a feature fusion LSTM-CNN model using different representations of the same data, 2019
* 논문 Forecasting stock prices with a feature fusion LSTM-CNN model using different representations of the same data * 목차 1. Contribution 2. Input data 3. Output data, Performance measure 4. Modeling 5. Experiment and result 6. 한계점 1. Contribution 이 연구의 Contribution은 동일한 데이터에서 temporal(시간적) features와 image(이미지) features를 추출 및 조합하여 예측 오차를 줄이는 것입니다. 기존 각 features들을 유형에 따라 분리하여 사용하는 것보다 더 낳은 성능개선을 보..
[논문 요약] Deep Learning for Stock Prediction Using Numerical and Textual Information, 2016
* 논문 Deep Learning for Stock Prediction Using Numerical and Textual Information, 2016 * 목차 1. 입력데이터 2. 출력데이터 3. 모델링 4. Trading simulation 5. contribution 6. 한계점 0. 방향성 Many of previous works used only one of textual, numerical, or image information for stock price prediction, and their model was trained with consideration about a single company. Nevertheless, it is desirable for the prediction m..