时间序列预测的深度自适应输入归一化

《计算机信息系统与工业管理应用》，6:357–3692014。[18] Paraskevi Nousi、Avraam Tsantekidis、Nikolaos Passalis、AdamantiosNtakaris、Juho Kanniainen、Anastasios Tefas、Moncef Gabbouj、andAlexandros Iosi fidis。使用限价订单数据预测中间价变动的机器学习。arXiv预印本arXiv:1809.078612018。[19] Paraskevi Nousi、Avraam Tsantekidis、Nikolaos Passalis、AdamantiosNtakaris、Juho Kanniainen、Anastasios Tefas、Moncef Gabbouj、andAlexandros Iosi fidis。使用限价订单数据预测中间价变动的机器学习。IEEE Access，7:64722–647362019。[20] Adamantios Ntakaris、Martin Magris、Juho Kanniainen、Moncef Gabbouj和Alexandros Iosi fidis。限价订单数据的中间价格预测基准数据集。《预测杂志》，37（8）：852–8662018。[21]爱德华多·奥加萨瓦拉（Eduardo Ogasawara）、莱昂纳多·马丁内斯（Leonardo C Martinez）、丹尼尔·德·奥利维拉（Daniel De Oliveira）、杰拉尔德·奥齐姆（GeraldoZimbrao）、吉赛尔·帕帕（Giselel Pappa）和。自适应归一化：一种新的非平稳时间序列数据归一化方法。InProc公司。国际神经网络联合会议，2010年第1-8页。【22】尼古拉斯·帕萨利斯和阿纳斯塔西奥斯·特法斯。使用特征包池训练轻量级深度卷积神经网络。IEEETrans公司。《神经网络与学习系统》，2018年。【23】尼古拉斯·帕萨利斯（Nikolaos Passalis）、阿纳斯塔西奥斯·特法斯（Anastasios Tefas）、朱霍·坎尼亚宁（Juho Kanniainen）、蒙塞夫·加布伊（Moncef Gabbouj）和亚历山德罗斯·Iosi fidis。使用高频限价订单数据预测中间价变动的时间特征袋学习。IEEE Trans。《计算智能新兴主题》，2018年。【24】尼古拉斯·帕萨利斯（Nikolaos Passalis）、阿纳斯塔西奥斯·特法斯（Anastasios Tefas）、朱霍·坎尼亚宁（Juho Kanniainen）、蒙塞夫·加布伊（Moncef Gabbouj）和亚历山德罗斯·Iosi fidis。利用限额订单簿数据进行金融时间序列预测的时态逻辑神经特征包。arXiv预印本arXiv:1901.08280，2019年。【25】邵晓峰。

时间序列的自规范化：最近发展的回顾。《美国统计协会杂志》，110（512）：1797–18172015。[26]尼蒂什·斯利瓦斯塔瓦、杰弗里·辛顿、亚历克斯·克里哲夫斯基、伊利亚·萨茨基和罗斯兰·萨拉胡季诺夫。辍学：一种防止神经网络过度匹配的简单方法。《机器学习研究杂志》，15（1）：1929-19582014。[27]提门·蒂尔曼和杰弗里·辛顿。RMSProp：将梯度除以其最近震级的运行平均值。课程：神经网络用于机器学习，4（2）：2012年26–31日。[28]Emilio Tomasini和Urban Jaekle。交易系统。Harriman HouseLimited，英国汉普郡，2011年。【29】Dat Thanh Tran、Alexandros Iosi fidis、Juho Kanniainen和MoncefGabbouj。用于金融时间序列数据分析的时间注意力增强双线性网络。IEEE Trans。《神经网络与学习系统》，2018年。【30】Avraam Tsantekidis、Nikolos Passalis、Anastasios Tefas、Juho Kanniainen、Moncef Gabbouj和Alexandros Iosi fidis。使用卷积神经网络从限价订单簿预测股票价格。过程中。IEEE商业信息学会议（CBI），第7–122017页。【31】Avraam Tsantekidis、Nikolos Passalis、Anastasios Tefas、Juho Kanniainen、Moncef Gabbouj和Alexandros Iosi fidis。利用深度学习发现金融市场中的价格变化迹象。过程中。欧洲信号处理会议，第2511-2515页，2017年。【32】Avraam Tsantekidis、Nikolos Passalis、Anastasios Tefas、Juho Kanniainen、Moncef Gabbouj和Alexandros Iosi fidis。利用静态限价订单特征，使用深度学习进行价格预测。arXiv预印本arXiv:1810.099652018。【33】吴玉新、何开明。2018年集团正常化。[34]严卫忠。使用神经网络进行自动时间序列预测。IEEE Trans。《神经网络与学习系统》，23（7）：1028–10392012。