开放存取
问题 |
E3S网页汇编
卷积4122023
现代应用科学、环境、能源和地球研究创新国际会议 |
|
---|---|---|
文章号 | 01069 | |
页数 | 8 | |
多尔市 | https://doi.org/10.1051/e3sconf/202341201069 | |
在线发布 | 2023年8月17日 |
必威主页
412010669(2023)
优化LSTM模型以降低能源消耗:平均方差分析、平均绝对差错和R-Sq
Abdelmalek Essadi大学摩洛哥台都
这项研究的目的是开发并评价Forex预测的长期短期内存模型数据重新处理并开发培训LSTM模型,使用监督学习法和广受欢迎的深学习框架模型性能使用平均值方差、平均值绝对差和R平方此外,我们研究节能文献,强调其减少计算负载并随之减少耗能的潜力我们还考虑了使用这些模型对环境的影响结果表明LSTM模型对Forex预测有效并显示优性优于其他预测模型数个LSTM模型中最优模型有90度研究结果为Forex预测LSTM模型的功效提供证据,并突出在这一领域使用深学习技术的潜在好处,特别是在能源效率和环境可持久性方面。
关键字 :SLTM模型/Forex预测/深学习/货币兑换率/金融市场/机器学习/预测
必威西汉姆赞助2023年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间