檢索結果(共9筆)
楊欣哲;黃小玲;
頁: 205-233
日期: 2020/04
卷期: 27(2)
關鍵字: 雲端運算;HFADS;混合式泛濫攻擊;特徵選擇;機器學習;
Keywords: cloud computing;HFADS;hybrid flooding attacks;features selection;machine learning;
摘要: 雲端運算的虛擬化技術是透過網際網路把計算資源量化後以使用量付費的方式提供給使用者。然而多租戶和共享資源雖是特點，但也隱含資安的風險。在攻擊事件中，造成較嚴重的後果又較難防禦之一就是泛濫攻擊（flooding attack）。為此，本文提出一種基於特徵篩選結合隨機森林...
引用 導入Endnote
頁: 205-233
日期: 2020/04
卷期: 27(2)
關鍵字: 雲端運算;HFADS;混合式泛濫攻擊;特徵選擇;機器學習;
Keywords: cloud computing;HFADS;hybrid flooding attacks;features selection;machine learning;
摘要: 雲端運算的虛擬化技術是透過網際網路把計算資源量化後以使用量付費的方式提供給使用者。然而多租戶和共享資源雖是特點，但也隱含資安的風險。在攻擊事件中，造成較嚴重的後果又較難防禦之一就是泛濫攻擊（flooding attack）。為此，本文提出一種基於特徵篩選結合隨機森林...
引用 導入Endnote
陳郁晴;李俊賢;
頁: 451-482
日期: 2019/10
卷期: 26(4)
關鍵字: 多目標特徵挑選;人工神經網路;球型複數模糊集;球型複數神經模糊系統;混合式機器學習;
Keywords: multi-target feature selection;artificial neural networks (ANN);sphere complex fuzzy sets (SCFS);sphere complex neuro-fuzzy system (SCNFS);hybrid machine learning algorithm;
摘要: 時間序列資料的變化有著眾多變因，在預測上一直是具有挑戰性的問題和研究。最常應用於股市上的股價變化，從時間的推移中找出股票之間的關係，因此本篇設計一多目標時間序列預測模型，應用於股價預測。模型包含兩種模型架構，人工神經網路（Artificial nural networks; A...
引用 導入Endnote
頁: 451-482
日期: 2019/10
卷期: 26(4)
關鍵字: 多目標特徵挑選;人工神經網路;球型複數模糊集;球型複數神經模糊系統;混合式機器學習;
Keywords: multi-target feature selection;artificial neural networks (ANN);sphere complex fuzzy sets (SCFS);sphere complex neuro-fuzzy system (SCNFS);hybrid machine learning algorithm;
摘要: 時間序列資料的變化有著眾多變因，在預測上一直是具有挑戰性的問題和研究。最常應用於股市上的股價變化，從時間的推移中找出股票之間的關係，因此本篇設計一多目標時間序列預測模型，應用於股價預測。模型包含兩種模型架構，人工神經網路（Artificial nural networks; A...
引用 導入Endnote
許敦盛;李俊賢;
頁: 483-511
日期: 2019/10
卷期: 26(4)
關鍵字: 多目標預測;球型複數模糊集;卷積神經網路;模糊推論系統;複合式機器學習演算法;
Keywords: multi-target prediction;sphere complex fuzzy sets;convolution neural networks;fuzzy inference system;hybrid learning;
摘要: 本研究針對時間序列提出多目標預測模型，結合卷積神經網路（Convolutional neural networks; CNN）與球型複數模糊神經系統（Sphere complex neural fuzzy system; SCNFS）。球型複數模糊集（Sphere complex fuzzy sets; SCFSs）可產生複數型態的歸屬程度，使SCNFS能根據...
引用 導入Endnote
頁: 483-511
日期: 2019/10
卷期: 26(4)
關鍵字: 多目標預測;球型複數模糊集;卷積神經網路;模糊推論系統;複合式機器學習演算法;
Keywords: multi-target prediction;sphere complex fuzzy sets;convolution neural networks;fuzzy inference system;hybrid learning;
摘要: 本研究針對時間序列提出多目標預測模型，結合卷積神經網路（Convolutional neural networks; CNN）與球型複數模糊神經系統（Sphere complex neural fuzzy system; SCNFS）。球型複數模糊集（Sphere complex fuzzy sets; SCFSs）可產生複數型態的歸屬程度，使SCNFS能根據...
引用 導入Endnote
陳振東;謝政翰;
頁: 153-177
日期: 2019/04
卷期: 26(2)
關鍵字: 金融科技;股價漲跌預測;機器學習演算法;模糊推論預測系統;
Keywords: FinTech;stock price forecasting;machine learning;fuzzy inference forecasting system;
摘要: 近年來，利用智慧數據分析方法以預測股價乃是金融科技（Financial Technology; FinTech）領域的重要議題。然而，有許多的技術指標以及人為主觀因素會影響股價的漲跌預測，因此必須有效掌握重要的影響指標，才能提高股價漲跌預測的正確率。為此，本研究透過技術指標的篩選...
引用 導入Endnote
頁: 153-177
日期: 2019/04
卷期: 26(2)
關鍵字: 金融科技;股價漲跌預測;機器學習演算法;模糊推論預測系統;
Keywords: FinTech;stock price forecasting;machine learning;fuzzy inference forecasting system;
摘要: 近年來，利用智慧數據分析方法以預測股價乃是金融科技（Financial Technology; FinTech）領域的重要議題。然而，有許多的技術指標以及人為主觀因素會影響股價的漲跌預測，因此必須有效掌握重要的影響指標，才能提高股價漲跌預測的正確率。為此，本研究透過技術指標的篩選...
引用 導入Endnote
郝沛毅;歐仁彬;黃天受;林振穎;吳建生;
頁: 363-395
日期: 2018/10
卷期: 25(4)
關鍵字: 股價預測;情緒分析;潛在狄利克雷分配;文字探勘;模糊理論;支持向量機;
Keywords: stock trend prediction;sentiment analysis;latent dirichlet allocation;text mining;fuzzy theory;support vector machine;
摘要: 能夠成功預測股票漲跌趨勢明顯地有許多好處，根據效率市場假設，公司股票的價值是由當前所有可用的信息給定。當分析師、投資者和機構交易者評估當前股價時，新聞在股價估值過程中發揮重要作用。事實上，金融新聞刊載有關於公司基本面的訊息，和影響市場參與者期望的質化...
引用 導入Endnote
頁: 363-395
日期: 2018/10
卷期: 25(4)
關鍵字: 股價預測;情緒分析;潛在狄利克雷分配;文字探勘;模糊理論;支持向量機;
Keywords: stock trend prediction;sentiment analysis;latent dirichlet allocation;text mining;fuzzy theory;support vector machine;
摘要: 能夠成功預測股票漲跌趨勢明顯地有許多好處，根據效率市場假設，公司股票的價值是由當前所有可用的信息給定。當分析師、投資者和機構交易者評估當前股價時，新聞在股價估值過程中發揮重要作用。事實上，金融新聞刊載有關於公司基本面的訊息，和影響市場參與者期望的質化...
引用 導入Endnote
方澤翰;陳建錦;
頁: 435-454
日期: 2017/10
卷期: 24(4)
關鍵字: 景氣狀態監測;搜尋日誌;排序學習;特徵選取;
Keywords: prosperity surveillance;search log;learning to rank;feature selection;
摘要: 景氣狀態監測對於政府及企業是個重要的議題，多數研究使用經濟指標監測景氣狀態。由於經濟指標需由不同政府部門協力完成，往往需要經過漫長的處理時間，導致景氣狀態發佈的延遲，而發佈的延遲將會增加政府及企業決策的不確定性。為了克服這個問題，本研究基於搜尋日誌建...
引用 導入Endnote
頁: 435-454
日期: 2017/10
卷期: 24(4)
關鍵字: 景氣狀態監測;搜尋日誌;排序學習;特徵選取;
Keywords: prosperity surveillance;search log;learning to rank;feature selection;
摘要: 景氣狀態監測對於政府及企業是個重要的議題，多數研究使用經濟指標監測景氣狀態。由於經濟指標需由不同政府部門協力完成，往往需要經過漫長的處理時間，導致景氣狀態發佈的延遲，而發佈的延遲將會增加政府及企業決策的不確定性。為了克服這個問題，本研究基於搜尋日誌建...
引用 導入Endnote
吳榮訓;廖高賢;
頁: 111-138
日期: 2007/04
卷期: 14(2)
關鍵字: 技術分析;基因程式規劃;價量關係;機器學習;
Keywords: Technical Analysis;Genetic Programming;Price-and-Volume Relationship;Machine Learning;
摘要: 預測股票走勢的方法有基本分析及技術分析兩類，技術分析是頗受歡迎的一種分析方式，主要是技術分析在判讀上並不一定需要有受過財經教育的專業能力，一般投資人均可以使用技術分析來預測股價走勢。本研究主要目的是使用技術分析中的價量關係為預測變數，並使用十分鐘為一...
引用 導入Endnote
頁: 111-138
日期: 2007/04
卷期: 14(2)
關鍵字: 技術分析;基因程式規劃;價量關係;機器學習;
Keywords: Technical Analysis;Genetic Programming;Price-and-Volume Relationship;Machine Learning;
摘要: 預測股票走勢的方法有基本分析及技術分析兩類，技術分析是頗受歡迎的一種分析方式，主要是技術分析在判讀上並不一定需要有受過財經教育的專業能力，一般投資人均可以使用技術分析來預測股價走勢。本研究主要目的是使用技術分析中的價量關係為預測變數，並使用十分鐘為一...
引用 導入Endnote
李慶章;董信煌;
頁: 217-237
日期: 2006/07
卷期: 13(3)
關鍵字: 拔靴法;支援向量迴歸;無母數迴歸;任務科技適配;行動商務;
Keywords: Bootstrap;Support vector regression;Nonparametric regression;Task-technology fit;Mobile commerce;
摘要: 本研究提出一個創新的支援向量迴歸方法來探討應用任務科技適配理論於資訊系統採用之問題。支援向量迴歸方法可以在給定的資料中產生一個簡潔的迴歸模式，以避免傳統機器學習法中的資料過度學習問題。根基於統計學習、數學規劃及氾函分析理論，支援向量迴歸方法較傳統的多...
引用 導入Endnote
頁: 217-237
日期: 2006/07
卷期: 13(3)
關鍵字: 拔靴法;支援向量迴歸;無母數迴歸;任務科技適配;行動商務;
Keywords: Bootstrap;Support vector regression;Nonparametric regression;Task-technology fit;Mobile commerce;
摘要: 本研究提出一個創新的支援向量迴歸方法來探討應用任務科技適配理論於資訊系統採用之問題。支援向量迴歸方法可以在給定的資料中產生一個簡潔的迴歸模式，以避免傳統機器學習法中的資料過度學習問題。根基於統計學習、數學規劃及氾函分析理論，支援向量迴歸方法較傳統的多...
引用 導入Endnote