XiaoMi-AI文件搜索系统
World File Search System之深
使用深Q-学习
摘要：预测股票价格在金融市场中至关重要，但是由于市场的动态性如何，这可能很困难。常规技术经常无法捕获这种复杂性。一种可能的方法是深度加固学习或深度Q学习（DQL）。本文研究了DQL在股票价格预测中的使用，并考虑了其优点，缺点和方法。它始于DQL的基础知识及其与财务预测的关系，然后再探索经验重播和神经网络体系结构等多种实施策略。涵盖了特定于金融市场的问题，包括模型评估和数据预处理。合成的经验数据将DQL与常规技术形成鲜明对比，证明了其有效性并概述了潜在的领域以进行进一步研究。最终，本综述旨在使从业者和学者了解DQL在股票价格预测中的有效性，从而在这一迅速发展的主题中实现了未来的发展。
使用深钢筋学习
摘要 - 对患有1型糖尿病的个体的血糖水平的准确预测有助于通过特定的胰岛素递送来调节血糖。在我们的工作中，我们提出了与长期术语内存网络结合使用的密集连接编码网络的设计。我们将血糖预测提出为深度增强学习问题，并在OHIOT1DM数据集上评估我们的结果。OHIOT1DM数据集包含5分钟内的血糖监测记录，在8周内为12例患有1型糖尿病的患者。先前的工作旨在预测30分钟和45分钟的预测视野中的血糖水平，分别对应于6和9个数据点。与先前的工作相比，到目前为止，相对于平均绝对误差的最佳预测准确性，我们在30分钟和45分钟的预测范围内分别提高了18.4％和22.5％。此外，为了在我们的预测中进行风险评估，我们可视化错误并通过监视错误网格方法评估临床风险。索引术语 - 深处增强学习，长期术语记忆，血糖预测，1型糖尿病
使用深钢筋学习
摘要 - 本文提出了一种新颖的方法，将深钢筋学习（DRL）与常规的虚拟同步发电机（VSG）集成在一起，以解决微网（MG）控制的双重目标；频率调节和精确的主动功率共享。mgs通常由多个基于逆变器的分布式生成剂（IBDG）组成，这些生物（IBDG）通过不同的线阻抗并行连接。VSG的常规活动电源循环（APL）遇到明显的稳态频率误差，因为岛岛操作期间的负载增加/减小。为了减轻此问题，将次级控制器（如比例积分（PI）控制）添加到APL中以调节IBDGS的频率。但是，当每个IBDG连接馈线的阻抗值不匹配时，PI控制会损害功率共享功能。为了消除频率错误并同时实现准确的功率共享，本研究采用了基于DRL的策略。代理商从微电网中的每个IBDG收集状态信息作为输入，并使用制定的奖励功能同时满足这两个目标。在MATLAB/SIMULINK设计的两连电微电网系统中证明了受过训练的代理的性能，并与传统方法进行了比较。
不断发展的深神经网络
深度学习的成功取决于找到架构以符合任务。随着深度学习的扩展，构建结构变得很难手工设计。本文提出了一种自动化方法，即CodeEpneat，以通过进化来优化深度学习体系结构。通过将现有的神经进化方法扩展到拓扑，组件和超参数，此方法可实现与对象识别和语言建模中标准基准测试中最佳人工设计相当的结果。它还支持在杂志网站上构建自动图像字幕的现实应用程序。鉴于可用的计算能力的预期增加，深网的演变是将来构建深度学习应用程序的一种有前途的方法。
“人工智能改变法律和社会——深入思考不久的将来”
自治作为受到平等对待和尊重的成员身份 / 自治作为“自己生活的作者”应享有的能力的目标 / 两种自治的互补性 / 自治作为集体自律 < /div>
使用复合的深钢筋学习来优化投资比率
摘要：在这项研究中，使用复合深度强化学习优化了投资比率，并学习了使用过去汇率的财务交易策略。当前，关于机器学习到财务的应用的研究正在如火如荼地进行。复杂的兴趣加强学习是一种旨在学习最大化利润率的复杂利益影响的增强学习的框架。在复合利息增强学习中，存在称为投资比率的新参数，并且可以通过将投资比率设置为最佳价值来最大化，从而最大程度地提高了利率的复合效果。先前的研究提出了一种在复合深度强化学习和复合深度强化学习中优化投资比率的方法。在这项研究中，使用复合兴趣的财务交易策略深入了解，以学习一种方法来优化投资比率，并以涉及行动的方式使用美元汇率的实际汇率。