公共文化服务平台

基于分层动态贝叶斯网络的股市趋势扰动推理算法被引量：1: 2022年; 当前研究者主要通过对历史交易数据的学习生成预测模型,由于影响市场的因素动态可变,因此训练好的模型在实际应用中预测效果远不及预期.针对现有预测模型适应力较弱的问题,文中提出基于分层动态贝叶斯网络的股市趋势扰动推理算法,对股市趋势进行实时预测.首先,针对稳定性较高的均线数据,通过马尔可夫毯对均线特征进行融合,提取为均线能量,得到均线的量化特征.由于多根均线之间存在结构关系,这种结构关系具有较强的抗噪能力和稳定性,因此利用分层动态贝叶斯网络对单根均线内部结构和多均线之间结构关系进行建模.然后,对顶层网络中多结点状态进行扰动,通过动态灵敏性分析实时计算结点状态变化对于股市趋势影响力.最后,基于灵敏分析的结果,利用联合树对股市趋势进行动态推理.在实际数据上的实验证明文中算法的有效性.; 姚宏亮贾虹宇杨静俞奎; 关键词：动态贝叶斯网络灵敏性分析联合树

并行的贝叶斯网络参数学习算法被引量：6: 2007年; 针对大样本条件下EM算法学习贝叶斯网络参数的计算问题,提出一种并行EM算法(Parallel EM,PL-EM)提高大样本条件下复杂贝叶斯网络参数学习的速度.PL-EM算法在E步并行计算隐变量的后验概率和期望充分统计因子;在M步,利用贝叶斯网络的条件独立性和完整数据集下的似然函数可分解性,并行计算各个局部似然函数.实验结果表明PL-EM为解决大样本条件下贝叶斯网络参数学习提供了一种有效的方法.; 俞奎王浩姚宏亮陈栋梁; 关键词：贝叶斯网络 EM算法 MPI

基于多Agent传动关系的股市趋势预测: 2024年; 股市趋势预测是机器学习领域中一个具有挑战性的任务。由于一些因素对于股市的影响是动态且不确定的,导致股市趋势难以预测。针对已有方法在股市预测时存在的灵敏性差、适应力弱等问题,从快变量和慢变量的传动关系出发,利用Agent技术对股市中的快周期和慢周期进行联合建模,提出一种多Agent传动影响图(MATID)股市趋势预测方法。给出股市中快周期和慢周期的划分标准,并引入周期能量的概念;通过对相关趋势指标的特征融合,给出周期能量的量化计算方法;通过分析快周期和慢周期的动态作用过程,给出传动因子的表示方法;将快周期和慢周期分别对应成不同的Agent,利用多Agent影响图模型建模快周期和慢周期的传动过程;利用股市振子模型表示快Agent和慢Agent之间的传动效用,利用联合树的自动推理技术对股市趋势进行预测。在不同样本数量和不同股市趋势下进行实验,结果表明,与门控循环单元、S-LSTM和Hybrid-RNN预测方法相比,MATID方法预测精确率提升1.5%~7.0%,召回率提升5.4%~6.7%,F1值提升3.7%~6.2%,具有良好的灵敏性和适应力。; 鲍志姚宏亮方帅杨静俞奎; 关键词：振子模型效用函数联合树

一种基于图注意力机制的因果常识知识库构建方法: 本发明公开了一种基于图注意力机制的因果常识知识库构建方法，包括如下步骤：1)从开放知识库获取因果常识知识三元组作为训练资源；2)采用知识图谱嵌入技术，获取因果常识知识三元组的向量表示；3)结合背景知识图谱，构建基于图注意...; 俞奎李金迪李玉玲王雨薇

基于自适应粒子滤波的动态贝叶斯网推理算法被引量：3: 2007年; 提出一种基于自适应粒子滤波的动态贝叶斯网推理算法,该算法能随着动态贝叶斯网状态演化的不确定性动态改变抽样粒子数目,其根据是通过给定抽样误差界限来确定粒子数。当状态空间不确定性较低时,算法使用较少的粒子数;当状态空间不确定性很大时,将使用较多的粒子数。模拟实验表明该算法很好地兼顾了推理精度和推理时间,性能优于粒子滤波算法;与RBPF算法相比,该算法在稳定性和适用性方面也具有一定优势。; 陈栋梁王浩姚宏亮俞奎; 关键词：动态贝叶斯网络粒子滤波自适应粒子滤波

基于约束的局部-全局LWF链图结构学习算法: 2023年; LWF链图结构学习旨在发现链图中所有节点的父节点、子节点、邻居节点以及配偶节点.然而,目前最新的LWF链图结构学习算法是基于Growing-Shrinking(GS)思想得到节点的局部结构(即节点的马尔科夫毯)来学习全局网络结构,该类算法的条件独立测试是以整个马尔科夫毯为条件集的,为了保证条件独立测试的可靠性,算法要求样本数量是马尔科夫毯大小的指数级,从而使得算法的数据效率较差.针对该问题,本文提出了一种基于约束的局部-全局LWF链图结构学习算法.该算法通过迭代的学习邻接集和配偶集来降低对数据样本量的要求;与此同时,在学习邻接集时采用后向策略保障了条件独立测试的正确性.算法的基本思想如下:首先学习网络中每个节点的马尔科夫毯,将节点马尔科夫毯学习拆分为学习邻接集和学习配偶集;然后利用节点的马尔科夫毯信息恢复网络骨架,根据链图复合体有向边的特点,利用条件独立测试确定网络复合体有向边,从而恢复链图结构.理论分析证明了该算法的正确性,在仿真数据集和标准数据集上的实验测试验证了算法的有效性.; 曹付元杨淑晶王雲霞俞奎

贝叶斯网络的并行EM学习算法被引量：2: 2008年; 时间复杂性是基于 EM 框架的贝叶斯网络学习算法应用的一个瓶颈问题.本文首先提出一种并行的参数EM 算法来学习具有缺省数据的贝叶斯网络参数,实验表明该算法可有效降低参数学习的时间复杂性.进而将该算法应用到结构 EM 算法中,提出一种并行的结构 EM 算法(PL-SEM),PL-SEM 算法并行地计算各个样本的期望充分因子和贝叶斯网络的参数,降低结构学习的时间复杂性.; 俞奎王浩吴信东姚宏亮; 关键词：贝叶斯网络

动态影响图模型研究被引量：2: 2008年; 部分可观察马尔可夫决策过程在策略空间和状态空间上的计算复杂性,使求解其一个最优策略成为NP-hard难题.为此,提出一种动态影响图模型来建模不确定环境下的Agent动态决策问题.动态影响图模型以有向无环图表示系统变量之间的复杂关系.首先,动态影响图利用动态贝叶斯网络表示转移模型和观察模型以简化系统的状态空间;其次,效用函数以效用结点的形式清晰地表示出来,从而简化系统效用函数的表示;最后,通过决策结点表示系统的行为来简化系统的策略空间.通过实例从3个方面和POMDP模型进行了比较,研究的结果表明,动态影响图模型为大型的POMDP问题提供了一种简明的表示方式,最后在Robocup环境初步验证了该模型.; 俞奎王浩姚宏亮; 关键词：动态贝叶斯网络影响图马尔可夫决策过程部分可观察马尔可夫决策过程

基于动态影响图的股市趋势预测被引量：1: 2022年; 历史数据对未来状态的影响具有隐蔽性,导致基于数据的股市趋势预测是一个公开难题。为了有效地发现历史数据对股市未来状态的影响力,利用动态影响图建模成交量和K线形态之间的结构关系,提出一种基于量价结构关系的联合树推理预测算法(VP-JT)。提取股票的阶段成交量特征和阶段K线形态特征,给出阶段成交量对于股市价格影响的作用原理;利用配合度量化当前阶段成交量与K线形态之间关系一致性程度;利用动态影响图建模阶段量价在时间上的作用过程;通过联合树的自动推理对股市未来状态进行预测。在实际数据上进行实现和算法比较,实验结果表明量价结构关系的联合树推理算法具有更高的准确率。; 姚宏亮徐礼维杨静俞奎; 关键词：效用函数联合树

融合关联规则与知识的贝叶斯网络学习算法被引量：3: 2008年; 领域知识可以有效的提高贝叶斯网络学习效率与精度.文中提出了基于关联规则的SEM算法——AR-SEM算法.AR-SEM算法首先利用关联规则分析变量间的因果关系,并作为初始先验知识和领域专家的意见相结合,进一步去除无意义的规则,形成一个知识库,最后将知识库与SEM算法相结合来构造贝叶斯网络.文中在具有一定缺省数据的数据集上进行实验,实验表明AR-SEM可有效提高贝叶斯网络结构学习的精度.; 肖海慧俞奎王浩; 关键词：贝叶斯网络领域知识关联规则

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

俞奎

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

俞奎

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈