Sökning: "Recurrent Neuralt Network"

Visar resultat 21 - 25 av 27 uppsatser innehållade orden Recurrent Neuralt Network.

1. 21. Jämförelse av artificiella neurala nätverksalgoritmerför klassificering av omdömen

   M1-uppsats, KTH/Hälsoinformatik och logistik

   Författare :Daniel Gilljam; Mario Youssef; [2018]
   Nyckelord :Machine learning; neural networks; reviews; Convolutional Neural Network; TensorFlow; Keras; language embedding methods; Maskininlärning; neurala nätverk; omdömen; Convolutional Neural Network; TensorFlow; Keras; inbäddningsmetoder;

   Sammanfattning : Vid stor mängd data i form av kundomdömen kan det vara ett relativt tidskrävande arbeteatt bedöma varje omdömes sentiment manuellt, om det är positivt eller negativt laddat. Denna avhandling har utförts för att automatiskt kunna klassificera kundomdömen efter positiva eller negativa omdömen vilket hanterades med hjälp av maskininlärning. LÄS MER

3. 22. An evaluation of deep neural network approaches for traffic speed prediction

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Cosar Ghandeharioon; [2018]
   Nyckelord :Deep Learning; Regression; Time Series; LSTM; Neural decomposition.; Djupinlärning; Regression; Tidsserier; LSTM; Neural dekomposition.;

   Sammanfattning : The transportation industry has a significant effect on the sustainability and development of a society. Learning traffic patterns, and predicting the traffic parameters such as flow or speed for a specific spatiotemporal point is beneficial for transportation systems. LÄS MER

4. 23. Scalable System-Wide Traffic Flow Predictions Using Graph Partitioning and Recurrent Neural Networks

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Jón Reginbald Ivarsson; [2018]
   Nyckelord :Traffic Flow Prediction; Machine Learning; Recurrent Neural Network; Graph Partitioning; Big Data; Trafikprognoser; Maskininlärning; Återkommande Neuralt Nätverk; Graf Partitionering; Big Data;

   Sammanfattning : Traffic flow predictions are an important part of an Intelligent Transportation System as the ability to forecast accurately the traffic conditions in a transportation system allows for proactive rather than reactive traffic control. Providing accurate real-time traffic predictions is a challenging problem because of the nonlinear and stochastic features of traffic flow. LÄS MER

5. 24. Sequence-to-sequence learning of financial time series in algorithmic trading

   Kandidat-uppsats, Högskolan i Borås/Akademin för bibliotek, information, pedagogik och IT

   Författare :Philip Arvidsson; Tobias Ånhed; [2017]
   Nyckelord :deep learning; machine learning; quantitative finance; algorithmic trading; blackbox trading; lstm; rnn; time series forecasting; prediction; tensorflow; keras; forex; neural network; econometrics; finans; algoritmisk handel; tidsserier; prediktion; maskininlärning; forex; neurala nätverk; tensorflow; keras; kvantitativ finans; lstm; rnn; ekonometri;

   Sammanfattning : Predicting the behavior of financial markets is largely an unsolved problem. The problem hasbeen approached with many different methods ranging from binary logic, statisticalcalculations and genetic algorithms. LÄS MER

7. 25. Prediction of securities' behavior using a multi-level artificial neural network with extra inputs between layers

   Kandidat-uppsats, KTH/Skolan för datavetenskap och kommunikation (CSC)

   Författare :Eric Törnqvist; Xing Guan; [2017]
   Nyckelord :high frequency; neural network; computer science; stock market; finance; fintech; machine learning; yield; prediction; forecast; deep neural network; algo trading; financial instruments; correlation;

   Sammanfattning : This paper discusses the possibilities of predicting changes in stock pricing at a high frequency applying a multi-level neural network without the use of recurrent neurons or any other time series analysis, as suggested in a paper byChen et al. [2017]. The paper tries to adapt the model presented in a paper by Chen et al. LÄS MER