-
公开(公告)号：CN109461077A
公开(公告)日：2019-03-12
申请号：CN201811204746.9
申请日：2018-10-16
申请人： 中山大学 , 广州中大南沙科技创新产业园有限公司
摘要： 本发明公开了一种基于ε不敏感对数损失的在线做市方法，它根据期货分钟级别OHLC数据构建多个候选子策略，同时提出候选子策略的加权收益和理论最优策略的加权收益存在线性关系。本发明以ε不敏感对数损失作为损失函数，使用Follow the Regularized Leader在线学习算法动态更新候选子策略的权重，最后根据权重计算主策略的目标仓位并调整主策略的仓位等于目标仓位。本发明提出以理论最优策略的加权收益作为线性关系的真实值，使得在线学习的优化目标更加明确，同时，本发明提出的以ε不敏感对数损失作为损失函数，能够更好地拟合真实的市场情况。在使用真实数据进行回测试，本发明提出的策略能够获得较好的收益和稳定性，拥有很强的实用性。
-
公开(公告)号：CN109447244A
公开(公告)日：2019-03-08
申请号：CN201811183803.X
申请日：2018-10-11
申请人： 中山大学 , 广州中大南沙科技创新产业园有限公司
摘要： 本发明提供一种结合门控循环单元神经网络的广告推荐方法，该方法将门控循环单元神经网络提取出的广告的文本特征作为网络的部分输入，可以将广告词及广告描述文字中的信息提取出来，专门处理文本特征。门控循环神经网络则可以通过预训练得到，将训练好的网络作为广告推荐模型的一层，即文本特征提取层从而实现一个端到端的训练。新的方法相比于没有文本特征提取层的模型能够更好地提取广告文本中的特征，发现文本中词与词、句与句之间的语义结构信息，同时可以避免传统的循环神经网络带来的训练梯度消失的问题，并且将GRU网络直接作为整个训练模型的一个网络层可以实现一次输入即可得到输出结果，完成端到端的训练，减少中间步骤。
-
公开(公告)号：CN109242207A
公开(公告)日：2019-01-18
申请号：CN201811179333.X
申请日：2018-10-10
申请人： 中山大学 , 广州中大南沙科技创新产业园有限公司
摘要： 本发明公开了一种基于深度强化学习的金融时序数据预测方法。本方法包括三个主要的子系统：数据处理子系统，此子系统的功能是对从WindAPI获取到的原始数据进行数据处理；特征提取子系统，此子系统的功能是构造一个深度神经网络来提取数据特征；强化学习子系统，此子系统的功能是基于Actor-Critic算法，构造策略网络和评估网络，分别进行交易动作的选取与评价，然后不断迭代更新来保证整个系统获取到市场最新的动态信息，并根据获取到的状态信息作出最优的交易动作，最终获取较好的交易效果。本发明能够通过金融市场的一些基本信息，不断去学习这个复杂的金融市场，及时捕获可能获利的交易动作，实现盈利目的。
-
公开(公告)号：CN108428005A
公开(公告)日：2018-08-21
申请号：CN201810045018.1
申请日：2018-01-17
申请人： 中山大学 , 广州中大南沙科技创新产业园有限公司
摘要： 本发明提供一种基于并行协同演化的高维多目标优化算法，该算法维持两个种群：一个种群负责寻找极值点，另一个种群负责在整个决策空间中搜索一组兼顾收敛性与多样性的解。这两个种群协同演化。在整个进化过程中，两个种群分别有自己的演化方式，同时它们之间又存在信息交流和信息共享。在算法框架中，任何基于帕累托占优的多目标进化算法都可以应用在负责在整个决策空间中搜索一组兼顾收敛性与多样性的解的种群上。该框架改善了基于帕累托占优的多目标进化算法在高维多目标优化问题上的性能，克服了传统基于帕累托占优的进化算法在求解高维多目标问题时性能急剧恶化的缺点，平衡了高维多目标优化问题求解的收敛性和多样性。
-
公开(公告)号：CN106042963A
公开(公告)日：2016-10-26
申请号：CN201610446084.0
申请日：2016-06-17
申请人： 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
IPC分类号： B60L11/18
CPC分类号： Y02T10/7005 , Y02T10/7088 , B60L11/1809 , B60L11/184 , B60L2260/50 , B60L2260/52 , B60L2260/54
摘要： 本发明提供一种电气化交通网络和电力系统的协同优化方法与系统，耦合电动汽车电气化交通网络和电力网络，获得电动汽车初始路径以及充电站初始价格参数，实时获取电动汽车位置信息、剩余电量信息，根据电动汽车位置信息、剩余电量信息、初始路径以及充电站初始价格参数，采用dijkstra算法查找电动汽车最低成本路径，统计每个充电站所需电量，采用拉格朗日松弛算法优化电力网络。将电动汽车电气化交通网络和电力系统耦合，一方面，采用dijkstra算法求解路径优化减少充电、运输和耗时成本的总和，另一方面，针对每个充电站所需电量用拉格朗日松弛算法，对电力网络反馈优化，实现对电气化交通网络和电力系统良好的协同优化。
-
公开(公告)号：CN105701084A
公开(公告)日：2016-06-22
申请号：CN201511018702.3
申请日：2015-12-28
申请人： 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
CPC分类号： G06F17/2775 , G06K9/6269
摘要： 本申请公开了一种基于互信息的文本分类的特征提取方法。文本预处理工作主要包括去除文档标记、去停用词、分词、词性标注、统计词频及数据清洗等，以及根据特征算法提取特征词。文本分类阶段主要是对向量化的训练集通过支持向量积算法训练模型参数，从而对需要分类的文本进行机器学习分类。应用本申请方案，在文本分类的特征提取时，能够有效地避免将噪声特征纳入机器学习流程，提高了文本分类的精度，同时极大地缩减了特征库规模，降低了内存占用。
-
公开(公告)号：CN105187239A
公开(公告)日：2015-12-23
申请号：CN201510503595.7
申请日：2015-08-17
申请人： 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
IPC分类号： H04L12/24
CPC分类号： H04L41/06 , H04L41/024 , H04L41/0631 , H04L41/069
摘要： 本发明涉及的系一种通信网络监控到的告警信息，结合数据挖掘技术，对网管系统中出现的通信告警建立数据仓库，利用关联分析和回归预测方法，分析海量通信告警；本发明有两个目的：第一个是将同一时间出现的不同专业的告警信息进行关联分析，提炼出最有利于故障分析的告警信息，最快的速度找出决定告警的直接原因；第二个是通过回归预测，挖掘出具有预警信息的告警，预测出来潜在问题，在代维人员巡检的过程中，重点关注，防止信号中断。从而及时有效的处理通信故障，保障信号质量。
-
公开(公告)号：CN106042963B
公开(公告)日：2019-02-05
申请号：CN201610446084.0
申请日：2016-06-17
申请人： 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
IPC分类号： B60L53/00
摘要： 本发明提供一种电气化交通网络和电力系统的协同优化方法与系统，耦合电动汽车电气化交通网络和电力网络，获得电动汽车初始路径以及充电站初始价格参数，实时获取电动汽车位置信息、剩余电量信息，根据电动汽车位置信息、剩余电量信息、初始路径以及充电站初始价格参数，采用dijkstra算法查找电动汽车最低成本路径，统计每个充电站所需电量，采用拉格朗日松弛算法优化电力网络。将电动汽车电气化交通网络和电力系统耦合，一方面，采用dijkstra算法求解路径优化减少充电、运输和耗时成本的总和，另一方面，针对每个充电站所需电量用拉格朗日松弛算法，对电力网络反馈优化，实现对电气化交通网络和电力系统良好的协同优化。
-
公开(公告)号：CN106126591A
公开(公告)日：2016-11-16
申请号：CN201610446374.5
申请日：2016-06-16
申请人： 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
IPC分类号： G06F17/30
摘要： 本发明提供一种音乐数据推荐方法与系统，采集汽车周围环境数据以及汽车行驶状态数据，根据汽车周围环境数据以及汽车行驶状态数据，从预设音乐数据库中选择匹配的音乐数据，推送查找到的音乐数据。整个过程，考虑汽车周围环境数据和汽车行驶状态数据，基于这些应用环境的数据从预设音乐数据中查找并推荐适合当前场景音乐数据。
-
公开(公告)号：CN106126591B
公开(公告)日：2019-09-20
申请号：CN201610446374.5
申请日：2016-06-16
申请人： 广东顺德中山大学卡内基梅隆大学国际联合研究院 , 中山大学
IPC分类号： G06F16/68
摘要： 本发明提供一种音乐数据推荐方法与系统，采集汽车周围环境数据以及汽车行驶状态数据，根据汽车周围环境数据以及汽车行驶状态数据，从预设音乐数据库中选择匹配的音乐数据，推送查找到的音乐数据。整个过程，考虑汽车周围环境数据和汽车行驶状态数据，基于这些应用环境的数据从预设音乐数据中查找并推荐适合当前场景音乐数据。
-
-
-
-
-
-
-
-
-
搜索结果
212 条记录 (耗时 0.067 秒)
