蕭國倫;劉柏辰;蔡泊均;
頁: 177-207
日期: 2024/04
卷期: 31(2)
關鍵字: 股票預測;深度學習;時間卷積網路(TCN);長短期記憶(LSTM);
Keywords: Stock prediction;Deep learning;Temporal Convolutional Network (TCN);Long Short-Term Memory(LSTM);
摘要: 股價預測一直是一個很棘手的問題，由於許多因素都會影響股價，因此簡單的模型無法準確預測。但添加太多的特徵將增加模型的複雜度，若能找到關鍵的特徵，模型的準確性將會更好。在股票預測領域中，許多使用長短期記憶(Long Short-Term Memory, LSTM)的研究顯示了良好的結...

引用     導入Endnote

謝楠楨;魏立民;
頁: 225-244
日期: 2008/04
卷期: 15(2)
關鍵字: 由資料庫中發掘知識;模糊IF-THEN規則;軟式計算;模糊集合;概略集合;
Keywords: Knowledge discovery in databases;fuzzy if-then rules;soft computing;fuzzy sets;rough sets;
摘要: 在真實世界處理決策問題時，由於輸入資料本身即存在有不確定性，所以要做出明確的決策具有相當的困難。以模糊集合與概略集合理論為基礎，本研究提出了一個“概略－模糊混合的方法”，以從具有量化數據的診斷資料集合中，自動的產生模糊IF-THEN規則。所提出的方法包含有四...

引用     導入Endnote

謝楠楨;
頁: 25-51
日期: 2005/04
卷期: 12(2)
關鍵字: 資料探勘;叢集劃分;自我組織映射圖網路;模糊關聯規則;模糊重組關聯;真實值;
Keywords: Data mining;cluster partitioning;self-organizing map SOM;fuzzy association rule;fuzzy resemblance relation;truth value;
摘要: 本研究將提出一種適用於醫療資料庫探勘之四階段作業程序，以改善現有關聯規則(association rule)資料探勘研究中常見，如所發掘之關聯規則語意不清晰、關聯規則重複，以及因傳統關聯規則「支持度＼信賴度」機制的限制，造成遺失有意義的規則等問題。為使發掘之關聯規則語...

引用     導入Endnote