利用强化学习生成非线性协同金融产品alpha因子的方法

    公开(公告)号:CN119359082A

    公开(公告)日:2025-01-24

    申请号:CN202411433927.4

    申请日:2024-10-14

    Abstract: 本发明公开了一种利用强化学习生成非线性协同金融产品alpha因子的方法,涉及金融量化和强化学习领域,所述方法包括:步骤1、输出BEG的token,并将当前环境状态作为特征输入给策略梯度网络,输出下一个token;步骤2、更新当前环境状态,再输入给策略梯度网络,输出下一个token;步骤3、重复步骤2,直至生成一个完整的alpha因子式;步骤4、将完整的alpha因子表达式放入alpha因子池中,分配随机权重;再将alpha因子池中的所有因子输入到非线性神经网络中进行回归训练,确定每个alpha因子的权重;步骤5、组成一个具有协同作用的总的alpha因子,并将互信息系数作为奖励函数;步骤6、根据奖励函数,用蒙特卡洛方法更新策略梯度网络;重复步骤1~5,直到得到一个有效的预测结果。

    一种基于视听双模态的MIG焊焊缝状态监测系统与方法

    公开(公告)号:CN116604151A

    公开(公告)日:2023-08-18

    申请号:CN202310575668.8

    申请日:2023-05-19

    Abstract: 本发明公开了一种基于视听双模态的MIG焊焊缝状态监测系统与方法,涉及智能焊接技术领域,包括视听数据采集模块、视听数据处理模块和焊缝熔透状态识别模块。所述方法包括:步骤1、安装同步视听数据采集系统,进行数据采集,得到视听数据;步骤2、数据预处理,对采集的视听数据进行降噪、统一模态和数据标准化的处理;步骤3、搭建基于视听双模态的焊缝熔透状态识别模型;步骤4、训练焊缝熔透状态识别模型,调整和优化网络结构;步骤5、将焊缝熔透状态识别模型部署到工业现场实现实时检测。本发明提供的技术方案做到对焊接过程多源信息的整合和对模态特征的高质量提取,实现更好的焊缝熔透状态识别,大大提高焊接质量监测的效率和准确率。

    一种基于深度学习的期货价格预测系统和方法

    公开(公告)号:CN118485514A

    公开(公告)日:2024-08-13

    申请号:CN202410599106.1

    申请日:2024-05-15

    Inventor: 贾超 李雅 庄开宇

    Abstract: 本发明公开了一种基于深度学习的期货价格预测系统,涉及深度学习领域以及期货长期价格趋势预测技术领域,包括:行情监控模块,数据处理模块,趋势预测模块和价格信息重建模块,所述行情监控模块、所述数据处理模块、所述趋势预测模块和所述价格信息重建模块依次通信连接。本发明还公开了一种基于深度学习的期货价格预测方法,包括:S100、期货价格信息获取;S200、数据处理;S300、分布映射;S400、训练学习;S500、期货价格预测。本发明提高了期货价格预测模型的性能以及鲁棒性,适用场景广泛灵活,实现了更准确、更有效的期货价格预测。

    一种工业场景下产品表面缺陷检测方法

    公开(公告)号:CN114359245A

    公开(公告)日:2022-04-15

    申请号:CN202210021615.7

    申请日:2022-01-10

    Abstract: 本发明公开了一种工业场景下产品表面缺陷检测方法,涉及工业场景下产品表面缺陷检测与机器视觉的技术领域,所述方法包括以下步骤:步骤1、图像采集,获取工业流水线上产品的表面图像;步骤2、图像标注,对所述表面图像进行缺陷标注,得到表面缺陷数据集;步骤3、数据增强,对所述表面缺陷数据集进行数据增强,为以下一种或者若干种数据增强方式的组合,所述数据增强方式包括随机裁剪、随机水平翻转、随机垂直翻转、尺度抖动、颜色抖动、Mosaic或Mixup;步骤4、表面缺陷检测模型构建;步骤5、表面缺陷检测模型训练;步骤6、表面缺陷检测模型预测。

Patent Agency Ranking