这篇推文抛砖引玉的介绍如何使用循环神经网络逼近一系列向量，特别的是，将使用LSTM架构。 根据先前的观察预测一系列实数。 传统的神经网络架构不能做到这一点，这就是为什么要复制神经网络来解决这个问题，因

　　学术界和实务界对股票收益的预测都比较感兴趣。因素模型一般用一些经济指标作为解释变量来预测股票收益。例如D/P, E/P, B/M等估值比率。这些模型大多数关注的是样本内检验，虽然回归结果显示这些比率对

　　资本资产定价模型（CAPM） CAPM模型由Sharpe等人以Markowitz的资产组合理论为基础进一步发展得到，是将经济学原理应用在金融领域的重要理论成果，几十年来广泛应用于风险投资、公司金融等领

　　RNN是一个图灵完全的模型，便意味着只要设计好RNN的外部存储机制，RNN模型的应用之广泛将远超我们的想象。为了更好地了解时序模型，从这期开始谈谈以RNN为核心的可扩展时序模型的研究状况及应用。 在神

　　1、原理回顾 机器作词是序列建模（以下简称seq2seq）的典型应用，其基本思想就是给定序列A，机器负责产生序列B，并且再将序列B作为输入，机器负责生成序列C...如此循环下去即可生成无限长度的序列。

　　在上一篇推文中，提到了如何运用序列建模进行机器翻译，机器翻译系统主要包含编码器和解码器，编码器负责将待翻译的句子进行特征表示，而解码器则负责将此特征用另外一种语言表示出来。神经机器翻译模型（Neura

　　前言 好久没有更新专栏，今天我们来看一个简单的Seq2Seq实现，我们将使用TensorFlow来实现一个基础版本的Seq2Seq，主要帮助理解Seq2Seq中的基础架构。   最基础的Seq2Seq

　　本次推文介绍用线性模型处理回归问题。从简单问题开始，先处理一个响应变量和一个解释变量的一元问题。然后，介绍多元线性回归问题（multiple linear regression），线性约束由多个解释变

　　前言 在今天给大家介绍一个研究工具： pomegranate。 它比其他软件包更加灵活，更快，直观易用，并且可以在多线程中并行完成。   The API 主要模型介绍 一般混合模型 隐马尔可夫模型 贝

　　2010年08月11日——【渤海证券】 《基于 MT-SVM 模型的市场预测》 •  由于 A 股市场并非完全有效以及市场具有的分形特征和记忆性，从理论上来说对股票市场一段时间内的市场趋势所发生的概率

　　1、引言 构建量化策略，首先需要找到具有所谓alpha的特征量，将这些特征量输入到数学模型学习出买入或者卖出信号，然后根据一定的出场规则出场。数学模型各种各样，有诸如线性回归、logistic回归的线

　　由于深度神经网络（DNN）层数很多，每次训练都是逐层由后至前传递。传递项<1，梯度可能变得非常小趋于0，以此来训练网络几乎不会有什么变化，即vanishing gradients problem；或者

　　这篇文章介绍用线性模型处理回归问题。从简单问题开始，先处理一个响应变量和一个解释变量的一元问题。然后，介绍多元线性回归问题（multiple linear regression），线性约束由多个解释变

　　机器识别手写数字的问题早已经解决，如今机器识别的准确率已经超过99%。事实上，这种问题无法通过一条条规则去hard code式的解决，我们不得不承认机器确实学到了东西。但我们好奇的是机器到底学到了什么

　　1.算法介绍： kNN (k-Nearest Neighbour) 算法是一种用于分类和回归的非参数的方法，可以用目标点周围所观察到的数据得平均值来预测出目标点 x 的值。本文将会介绍kNN的回归和分