[發(fā)明專利]基于深度神經(jīng)網(wǎng)絡(luò)的股票K線識別方法在審
| 申請?zhí)枺?/td> | 201910525091.3 | 申請日: | 2019-06-18 |
| 公開(公告)號: | CN110263843A | 公開(公告)日: | 2019-09-20 |
| 發(fā)明(設(shè)計)人: | 吳同偉 | 申請(專利權(quán))人: | 蘇州梧桐匯智軟件科技有限責(zé)任公司 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06Q40/06 |
| 代理公司: | 蘇州市中南偉業(yè)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257 | 代理人: | 李艾 |
| 地址: | 215000 江蘇省蘇州市工業(yè)*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 候選框 神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò) 特征提取 卷積 股票 神經(jīng)網(wǎng)絡(luò)模型 篩選 位置調(diào)整量 波動規(guī)律 策略提供 技術(shù)參考 損失函數(shù) 特征輸入 單通道 激活層 圖識別 正整數(shù) 池化 兩組 優(yōu)化 輸出 投資 參考 制定 學(xué)習(xí) | ||
1.一種基于深度神經(jīng)網(wǎng)絡(luò)的股票K線識別方法,其特征在于,包括:其中,神經(jīng)網(wǎng)絡(luò)模型主要由三個子神經(jīng)網(wǎng)絡(luò)構(gòu)成,分別是特征提取網(wǎng)絡(luò)、候選框提取網(wǎng)絡(luò)以及候選框優(yōu)化網(wǎng)絡(luò);特征提取網(wǎng)絡(luò)由卷積層(conv)、激活層(RELU)和池化層(pooling)組成;候選框提取網(wǎng)絡(luò)由單通道卷積層和損失函數(shù)層(softmax)構(gòu)成,輸出有兩組,分別對應(yīng)K個候選框的前景得分和位置調(diào)整量,對得到的前景候選框做篩選,篩選后的候選框特征輸入候選框優(yōu)化網(wǎng)絡(luò),其中,K為正整數(shù);
采集并標(biāo)注股票K線圖形作為數(shù)據(jù)集;
數(shù)據(jù)預(yù)處理,使得數(shù)據(jù)格式符合檢測模型需求;
將訓(xùn)練數(shù)據(jù)以矩陣形式輸入到檢測模型當(dāng)中,以模式標(biāo)記位置和類別作為預(yù)測目標(biāo);
利用梯度下降法,優(yōu)化總損失函數(shù),提高圖形識別準(zhǔn)確度;
將需要識別的股票K線圖輸入模型中,識別其中具有指導(dǎo)意義的特定K線圖形。
2.如權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的股票K線識別方法,其特征在于,還包括:根據(jù)歷史K線圖形數(shù)據(jù),給出相應(yīng)K線圖形后續(xù)漲跌統(tǒng)計概率。
3.如權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的股票K線識別方法,其特征在于,采集并標(biāo)注數(shù)據(jù)包括:
首先從相應(yīng)股票數(shù)據(jù)網(wǎng)站上下載一年期的A股股票K線圖,然后利用labelImg軟件,標(biāo)注出每張K線圖中具有指導(dǎo)意義的幾大類圖形模式,同時標(biāo)注上后續(xù)股票漲跌信息,從而為后期統(tǒng)計漲跌概率做準(zhǔn)備。
4.如權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的股票K線識別方法,其特征在于,數(shù)據(jù)預(yù)處理包括:
探索圖片特征,包括:圖片顏色,圖片大小和標(biāo)注框大小;按照預(yù)定規(guī)則,將所有標(biāo)注過的圖片轉(zhuǎn)換成符合要求的數(shù)據(jù),方便下一步輸入模型。
5.如權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的股票K線識別方法,其特征在于,漲跌統(tǒng)計概率包括:
在數(shù)據(jù)標(biāo)注過程中,每個圖形模式都將標(biāo)注出后續(xù)漲跌情況;在數(shù)據(jù)預(yù)處理時,這部分漲跌情況將作為概率附加到相應(yīng)圖形模式上,從而模型識別出圖形模式之后,給出該模式在過去的漲跌概率。
6.如權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的股票K線識別方法,其特征在于,將需要識別的K線圖輸入模型中,包括:
從相應(yīng)的股票網(wǎng)站上下載原始的K線圖,格式為JPEG;將該K線圖輸入至模型當(dāng)中,模型識別出幾種特定模式。
7.如權(quán)利要求1所述的基于深度神經(jīng)網(wǎng)絡(luò)的股票K線識別方法,其特征在于,候選框優(yōu)化網(wǎng)絡(luò)由池化層、全連接層和損失函數(shù)層構(gòu)成,輸出了每個候選框的類別得分和位置調(diào)整量;模型中分類輸出以交叉熵為損失函數(shù),回歸以L1為損失函數(shù),總損失函數(shù)為各個損失函數(shù)之和。
8.一種計算機(jī)設(shè)備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機(jī)程序,其特征在于,所述處理器執(zhí)行所述程序時實現(xiàn)權(quán)利要求1到7任一項所述方法的步驟。
9.一種計算機(jī)可讀存儲介質(zhì),其上存儲有計算機(jī)程序,其特征在于,該程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1到7任一項所述方法的步驟。
10.一種處理器,其特征在于,所述處理器用于運行程序,其中,所述程序運行時執(zhí)行權(quán)利要求1到7任一項所述的方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于蘇州梧桐匯智軟件科技有限責(zé)任公司,未經(jīng)蘇州梧桐匯智軟件科技有限責(zé)任公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910525091.3/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇:用于目標(biāo)檢測的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法、裝置、設(shè)備、介質(zhì)
- 下一篇:一種在線學(xué)習(xí)和實時估計路面狀態(tài)的方法
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 一種自適應(yīng)非極大抑制的目標(biāo)檢測方法
- 一種緊湊雙車牌檢測方法及裝置
- 基于FCW系統(tǒng)的前方車輛候選框提取方法
- 目標(biāo)檢測方法及裝置
- 一種針對目標(biāo)檢測的數(shù)據(jù)輔助標(biāo)注方法、裝置及系統(tǒng)
- 一種基于SSD目標(biāo)檢測的優(yōu)化方法、計算機(jī)設(shè)備和介質(zhì)
- 一種圖像處理方法、裝置、電子設(shè)備和存儲介質(zhì)
- 候選框標(biāo)注方法及系統(tǒng)及模型訓(xùn)練方法及目標(biāo)檢測方法
- 一種基于候選框特征修正的遙感圖像目標(biāo)檢測方法及系統(tǒng)
- 感興趣區(qū)域確定方法、圖像內(nèi)容識別方法及裝置
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機(jī)存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置
- 網(wǎng)絡(luò)和網(wǎng)絡(luò)終端
- 網(wǎng)絡(luò)DNA
- 網(wǎng)絡(luò)地址自適應(yīng)系統(tǒng)和方法及應(yīng)用系統(tǒng)和方法
- 網(wǎng)絡(luò)系統(tǒng)及網(wǎng)絡(luò)至網(wǎng)絡(luò)橋接器
- 一種電力線網(wǎng)絡(luò)中根節(jié)點網(wǎng)絡(luò)協(xié)調(diào)方法和系統(tǒng)
- 一種多網(wǎng)絡(luò)定位方法、存儲介質(zhì)及移動終端
- 網(wǎng)絡(luò)裝置、網(wǎng)絡(luò)系統(tǒng)、網(wǎng)絡(luò)方法以及網(wǎng)絡(luò)程序
- 從重復(fù)網(wǎng)絡(luò)地址自動恢復(fù)的方法、網(wǎng)絡(luò)設(shè)備及其存儲介質(zhì)
- 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法、裝置及存儲介質(zhì)
- 網(wǎng)絡(luò)管理方法和裝置





