面向外汇时间序列的即插即用神经网络架构代价
机器学习
2024-05-20 v1 人工智能
计算工程、金融与科学
数理金融
摘要
本研究聚焦于比较不同长短期记忆 (LSTM) 神经网络架构与一种针对外汇市场预测的专用 ANN 架构的性能和资源要求。我们分析了模型的执行时间以及消耗的资源，如内存和计算功率。我们的目标是表明，专用架构不仅在外汇市场预测中取得更好结果，而且使用更少的资源且执行时间更短，相对于 LSTM 架构。这一比较分析将为外汇市场环境中这些两种架构用于时间序列预测的适用性提供重要见解。
引用
@article{arxiv.2405.10679,
title = {Off-the-Shelf Neural Network Architectures for Forex Time Series Prediction come at a Cost},
author = {Theodoros Zafeiriou and Dimitris Kalles},
journal= {arXiv preprint arXiv:2405.10679},
year = {2024}
}