实体
Financial time series prediction using least squares support vector machines within the evidence framework
Financial time series prediction using least squares support vector machines within the evidence framework
PulseAugur coverage of Financial time series prediction using least squares support vector machines within the evidence framework — every cluster mentioning Financial time series prediction using least squares support vector machines within the evidence framework across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新系统融合LLM和金融数据以对美联储政策立场进行分类
研究人员开发了一个名为LabelFusion-TS的新系统，该系统集成了大型语言模型（LLMs）、Transformer编码器和金融时间序列数据，以对美联储沟通中的货币政策立场进行分类。该方法旨在通过纳入文本以外的市场背景来提高分类准确性。该系统表现出卓越的性能，达到了70.2%的加权F1分数，在标记数据有限的情况下，显著优于零样本LLM。
-
为FPGA上的实时异常检测优化Transformer神经网络
研究人员开发了一种方法，用于优化Transformer神经网络在金融时间序列数据中进行实时异常检测。该方法利用现场可编程门阵列（FPGA）的能力来提高处理速度并最小化延迟。该研究探讨了各种Transformer架构及其在FPGA板上的高效实现，旨在提高日益增长的金融数据集的数据清理方法的准确性和速度。