| 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 |
- HIVE
- word2vec
- 딥러닝
- 데이터시각화
- Deeplearning
- 주가예측
- ggplot
- NLP
- lstm
- 그래프
- 빅데이터처리
- CNN
- 데이터처리
- r
- R시각화
- Hadoop
- 하둡
- pandas
- 데이터분석
- 자연어처리
- R그래프
- 그래프시각화
- SQL
- 데이터
- Python
- AI
- 머신러닝
- 빅데이터
- 기계학습
- R프로그래밍
- Today
- Total
목록CNN (6)
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..
[CNN 개념정리] CNN 기본개념
1. computer vision - 이미지에 신경망 적용의 문제점 이미지의 각 픽셀에 동일한 값(가중치)로 계산되어지지 않는다. 픽셀값 하나만 달라져도 다르게 계산되어진다. 즉 픽셀마다 다른 가중치(W)값을 곱해 계산한다. 이로 인해 아래와 같은 문제점이 생긴다. 1). 데이터 양 확보 어려움 : 많은 파라미터 때문에 생긴 과대 적합을 방지하도록 충분한 데이터를 얻는 것을 어렵. 2). 컴퓨터 성능 확보 어려움 : 많은 파라미터 가진 신경망을 단련하기 위한 컴퓨터, 메모리 요구사항 실행불가. 그렇다고 작은 이미지 한정해서 사용하는 것 원치 않음 그래서 나온 것이 Convolutional Neural Networks다. - 이미지에서 우리가 원하는 기능 => 아래 2가지가 구현되면서 파라미터 수를 대..
[CNN 개념정리] CNN의 발전, 모델 요약정리 2 (ResNet, DenseNet)
* 참고자료 및 강의 - cs231n 우리말 해석 강의 https://www.youtube.com/watch?v=y1dBz6QPxBc&list=PL1Kb3QTCLIVtyOuMgyVgT-OeW0PYXl3j5&index=6 - Coursera, Andrew Ng교수님 인터넷 강의 * 목차 1. 모델 발전 개요 2. 모델1 : LeNet-5 3. 모델2: AlexNet 4. 모델3 : ZFNet 5. 모델4 : VGG 6. 모델5 : GoogLeNet 7. 모델6 : ResNet 8. 모델7 : DenseNet 1. 모델 발전 개요 - 모델 목표 더 깊은 네트워크를 만들면서, 성능을 높여간다. - 모델 목표를 위해 중요한 것. HOW? 어떻게 학습능력을 높여서 더 깊은 네트워크를 학습했는가? -..
[CNN 개념정리] CNN의 발전, 모델 요약정리 1 (AlexNet ~ GoogLeNet)
* 참고자료 및 강의 - cs231n 우리말 해석 강의 https://www.youtube.com/watch?v=y1dBz6QPxBc&list=PL1Kb3QTCLIVtyOuMgyVgT-OeW0PYXl3j5&index=6 - Coursera, Andrew Ng교수님 인터넷 강의 * 목차 1. 모델 발전 개요 2. 모델1 : LeNet-5 3. 모델2: AlexNet 4. 모델3 : ZFNet 5. 모델4 : VGG 6. 모델5 : GoogLeNet 7. 모델6 : ResNet 8. 모델7 : DenseNet 1. 모델 발전 개요 - 모델 목표 더 깊은 네트워크를 만들면서, 성능을 높여간다. - 모델 목표를 위해 중요한 것. HOW? 어떻게 학습능력을 높여서 더 깊은 네트워크를 학습했는가? -..
[논문 요약] RCNK : Recurrent Convolutional Neural Kernel Model for Stock Price Movemoent Prediction, 2019
* 논문 Recurrent Convolutional Neural Kernel Model for Stock Price Movemoent Prediction, 2019 * 목차 1. 입력데이터 2. 출력데이터 3. 모델링 4. Trading simulation 5. 평가 6. contribution 7. 한계점 1. 입력 데이터 - 입력 데이터 대상 기업(7개) : Randomly select, by Chinese A-share market => 각각 독립적인 모델링 설계 - 입력 데이터 종류 : 일 단위 1. 정량적데이터(거래데이터 및 기술지표) : 시가, 종가, 고가, 저가, 거래량, 기술지표(10개) 2. 텍스트데이터 : 사용자 생각이 담긴 Comment - 입력 데이터 기간 1. 정량적데이터 : 20..
[논문 요약] RCN : Predict Stock Price with Financial News Based on Recurrent Convolutional Neural Network, 2017
* 논문 Predict Stock Price with Financial News Based on Recurrent Convolutional Neural Network, 2017 1. 입력 데이터 - 입력 데이터 대상 대만증시(1개) : Taiwan Stock Exchange(TWSE) 기업(4개) : TSMC, Hon Hai Precision Industry(Foxconn Technology Group), China Steel Corporation(CSC), Graffe King Bio => 각각 독립적인 모델링 설계 - 입력 데이터 종류 : 일 단위 일 단위의 거래데이터(종가)와 텍스트데이터(뉴스제목) 사용 - 입력 데이터 기간 1. 종가데이터 : 2007-06-21 ~ 2017-02-13, 2,397..