因此,最初的每日特征、历史记录的日期和收集数据的市场构成了输入张量的三个维度。假设我们的数据集包括不同的市场、每个市场的k个特征以及我们的conv3×1最大池2×1输入60×82特征图60×1×8特征图58×1×8特征图29×1×8特征图27×1×8特征图13×1×8隐藏单元104输出1×82最大池2×1平台连接图4:二维CNNpredgoal的图形可视化是基于过去j天预测t天。图5显示了如何表示一个数据样本。v1、t-j、1…vi、t-j、1v1、t-1、1…vi、t-1、1市场预测日特征1K……it-1t-j……图5:基于k个主要特征、i个相关市场和预测日前j天的3D CNNpred中输入数据的表示每日特征提取:3D CNNpred中的第一层滤波器定义为一组1×1卷积滤波器,而主要特征是沿张量的深度表示的。图6显示了1×1过滤器的工作原理。这一层过滤器负责将通过输入张量深度可用的基本特征子集组合成一组更高级别的特征。该层将输入张量转换为另一张量,该张量的宽度和高度相同,但其深度等于第一层的1×1卷积滤波器的数量。与2D CNNpred一样,该网络具有作为特征选择/提取算法的能力。w1Filterkv1,t-j,1…vi,t-j,1v1,t-1,1…vi,t-1,1市场末日特征1K……it-1t-j…v1,t-1…vj,t-1v1,t-i…vj,t-i1…图6:对3D输入张量的第一部分应用1×1滤波器。持续特征提取:除了日常特征外,3D CNNpredsinput数据还提供其他市场的信息。
|