Bin li moving average

Nanyang Business School Escola de Engenharia de Computação Nanyang Technological University Email: S080061 at e. ntu. edu. sg O Dr. Bin Li era um pessoal de pesquisa pós-doutorado na Nanyang Business School da Universidade Tecnológica de Nanyang. Obteve um PhD da Faculdade de Engenharia Informática da mesma universidade em 2017 e um Bacharelado em Ciência da Computação e Tecnologia da Universidade de Ciência e Tecnologia de Huazhong e um Bacharelato em Economia pela Universidade de Wuhan em 2006. Ele completou o CFA Programa em 2017. Interesses de Investigação Objectivo de Investigação: Obter informações sobre o negócio através de técnicas computacionais. Negócios: Investimento Quantitativo (Seleção de Portfólio On-Line, Trading Algorítmico, Sistemas de Negociação) Detecção de Fraudes (Detecção de Fraudes Contábeis) Ciência da Computação: Aprendizado de Máquinas, Mineração de Dados , Finance and Science Título: Seleção de portfólio on-line com reversão média móvel (Enviado em 18 Jun 2017) Resumo: Seleção de portfólio on-line tem atraído interesses crescentes na aprendizagem de máquinas e comunidades de AI recentemente. Evidências empíricas mostram que os estoques de preços altos e baixos são temporários e parentes de preço das ações tendem a seguir o fenômeno de reversão média. Enquanto as estratégias de reversão média existentes são mostradas para alcançar um bom desempenho empírico em muitos conjuntos de dados reais, eles freqüentemente fazem a hipótese de reversão de média de período único, que nem sempre é satisfeita em alguns conjuntos de dados reais, levando a um mau desempenho quando a suposição não é válida. Para superar a limitação, este artigo propõe uma reversão de média de vários períodos, ou a chamada Reversão Média Móvel (MAR), e uma nova estratégia de seleção on-line de carteira denominada On-Line Moving Average Reversion (OLMAR), que explora MAR por Aplicando poderosas técnicas de aprendizagem on-line. De nossos resultados empíricos, descobrimos que OLMAR pode superar a desvantagem dos algoritmos de reversão de média existentes e obter resultados significativamente melhores, especialmente nos conjuntos de dados onde os algoritmos de reversão de média existentes falharam. Além do desempenho de negociação superior, OLMAR também é executado extremamente rápido, apoiando ainda mais a sua aplicabilidade prática para uma ampla gama de aplicações. Downloads (6 Semanas): 52. Downloads (12 Meses): 52. Downloads (Geral): 52 Texto completo disponível : PDF Este artigo tem como objetivo investigar algoritmos de aprendizagem de máquina eficiente e escalável para resolver a Fatoração de Matriz Não-Negativa (NMF), que é importante para muitas aplicações do mundo real, particularmente para sistemas de filtragem e recomendação colaborativos. Ao contrário dos métodos tradicionais de aprendizagem em lote, uma técnica de aprendizagem on-line recentemente proposta denominada NN-PA aborda NMF aplicando o popular. Palavras-chave . Fatoração de matriz não-negativa, regularização adaptativa, aprendizagem com aconselhamento especializado, aprendizagem on-line Setembro de 2017 ACM Transactions on Intelligent Systems and Technology (TIST): Volume 8 Número 1, Outubro de 2017 Citação Count: 0 Downloads (6 Semanas) 12 Meses): 64. Downloads (Total): 64 Texto integral disponível: PDF A aprendizagem online desempenha um papel importante em muitos grandes problemas de mineração de dados devido à sua alta eficiência e escalabilidade. Na literatura, muitos algoritmos de aprendizagem on-line usando informações de gradiente foram aplicados para resolver problemas de classificação on-line. Recentemente, foram propostos algoritmos de segunda ordem mais eficazes, onde a correlação entre os algoritmos. Palavras-chave . Confiança ponderada, classificação binária, classificação multiclass, algoritmos de segunda ordem Julho de 2017 SIGIR 16: Proceedings of the 39th International ACM Conferência SIGIR sobre Pesquisa e Desenvolvimento em Recuperação de Informação Citação Count: 0 Downloads (6 Semanas): 23. Downloads (12 Months) : 119. Downloads Neste texto, estudamos o problema da recuperação personalizada de música baseada em texto, que leva em consideração as preferências de música dos usuários nas músicas, através da análise de comportamentos de escuta on-line e de tags sociais. Para o objetivo, um novo modelo de tópico de preferência de música de camada dupla (DL-MPTM) é proposto para construir interesse de música latente. Palavras-chave . Recuperação de música semântica personalizada, modelo de tópico Junho de 2017 UAI16: Processos da Trigésima-Segunda Conferência sobre Incerteza na Inteligência Artificial Um problema de classificação multi-class baseado em gráfico é tipicamente convertido em uma coleção de classificação binária Tarefas através da estratégia one-vs.-all e, em seguida, abordado através da aplicação de algoritmos de classificação binária adequada. Ao contrário da estratégia one-vs.-all, sugerimos um framework unificado que opera diretamente no problema multi-class sem reduzi-lo a uma coleção. Abril 2017 Aprendizagem de Máquina: Volume 103 Issue 2, May 2017 Nós investigamos técnicas de aprendizagem on-line ativos para tarefas de classificação on-line. Ao contrário das abordagens tradicionais de aprendizado supervisionado, aprendizado em lote ou on-line, que muitas vezes exigem a solicitação de rótulos de classe de cada instância de entrada, o aprendizado ativo on-line consulta apenas um subconjunto de instâncias informativas de entrada para atualizar o modelo de classificação. Palavras-chave . Aprendizagem ativa, classificação Custo-sensível, classificação de Multi-classe, Aprendizagem em linha, Passivo-agressivo Fevereiro de 2017 AAAI16: Actas da Trigésima Conferência de AAAI sobre Inteligência Artificial Os modelos lineares mais populares para a previsão de séries temporais devido às suas propriedades estatísticas agradáveis ​​e grande flexibilidade. No entanto, seus parâmetros são estimados de forma descontínua e seus termos de ruído são freqüentemente considerados estritamente limitados, o que restringe suas aplicações. Janeiro de 2017 WSDM 16: Proceedings of the Nona ACM Conferência Internacional sobre Pesquisa na Web e Mineração de Dados Citação Count: 0 Downloads (6 Semanas): 21. Downloads (12 Meses): 284. Downloads (Geral): 284 Texto completo disponível: PDF Mobile App tagging tem como objetivo atribuir uma lista de palavras-chave que indicam funcionalidades principais, conteúdos principais, principais recursos ou conceitos de um aplicativo para celular. As tags de aplicativos para dispositivos móveis podem ser potencialmente úteis para as partes interessadas do ecossistema de aplicativos ou outras partes para melhorar a pesquisa, a navegação, a categorização e a publicidade da aplicação, etc. No entanto, a maioria dos aplicativos mainstream. Palavras-chave . App tagging, aprendizado de kernel on-line, mercados de aplicativos para dispositivos móveis janeiro de 2017 IEEE Transactions on Knowledge and Data Engineering: Volume 28 Número 2, February 2017 Editora: IEEE Departamento de Atividades Educacionais Citação: 0 A aprendizagem por distância métrica (DML) é uma técnica importante para melhorar a similaridade Pesquisa em recuperação de imagens baseada em conteúdo. Apesar de serem extensivamente estudadas, a maioria das abordagens DML existentes adota, tipicamente, uma estrutura de aprendizado unimodal que aprende a métrica de distância em um único tipo de recurso ou um espaço combinado de recursos onde vários tipos de. Dezembro de 2017 The Journal of Machine Learning Research: Volume 17 Número 1, Janeiro de 2017 Citação: 0 Downloads (6 Semanas): 3. Downloads (12 Meses): 7. Downloads (Geral): 7 Texto completo disponível: PDF On-line A seleção de carteira é um problema prático de engenharia financeira, que visa a alocação seqüencial de capital entre um conjunto de ativos, a fim de maximizar o retorno a longo prazo. Nos últimos anos, uma variedade de algoritmos de aprendizagem de máquina foram propostos para resolver este problema desafiador, mas nenhuma caixa de ferramentas abrangente de código aberto tem sido. Palavras-chave . Aprendizagem em linha, simulação, seleção em linha da carteira, sistema de troca Dezembro 2017 Citação Contagem: 1 Downloads (6 semanas): 4. Downloads (12 meses): 10. Downloads (Global): 10 Neste artigo, apresentamos uma nova estrutura para a aprendizagem em grande escala do kernel online, tornando os métodos de kernel eficientes e escaláveis ​​para aplicações de aprendizagem on-line em larga escala. Ao contrário do esquema de aprendizado do kernel on-line do orçamento regular que normalmente usa algumas estratégias de manutenção de orçamento para limitar o número de vetores de suporte, nossa estrutura explora. Palavras-chave . A aproximação do kernel, a aprendizagem em grande escala da máquina, a aprendizagem em linha novembro 2017 ICDM 15: Proceedings da conferência internacional de IEEE 2017 na mineração de dados (ICDM) Bem conhecidas: (i) maximização da soma ponderada de sensibilidade e especificidade e (ii) minimização do custo ponderado de classificação errada. No entanto, os algoritmos de aprendizagem existentes anteriores utilizaram apenas as informações de primeira ordem do fluxo de dados. Isso é insuficiente, como. Outubro de 2017 CIKM 15: Proceedings of the 24th ACM International on Conferência sobre Gestão da Informação e do Conhecimento Conteúdo: 0 Downloads (6 Semanas): 4. Downloads (12 Meses): 112. Downloads (Total): 167 Texto completo disponível: Como um importante esquema de aprendizado para a recuperação de informações, visa aprender uma função de similaridade bi-linear a partir de uma coleção de pares de instâncias rotulados ea função aprendida atribuiria um valor de similaridade elevado para um par de instâncias semelhante e um valor baixo Para um par diferente. Algoritmos existentes normalmente assumem. Palavras-chave . Aprendizagem Ativa, Aprendizagem On-line, Recuperação de Informações Setembro de 2017 UbiComp / ISWC15 Adjunto: Procedimentos Adjuntos da Conferência Conjunta Internacional de ACM de 2017 sobre Computação Pervasiva e Ubíqua e Procedimentos do Simpósio Internacional de Computadores Portáteis 2017 Citation Count: 0 Downloads (6 Semanas) 8. Downloads (12 meses): 102. Downloads (total): 151 O interesse crescente no self quantified conduziu à popularidade de aplicações lifelogging. Em particular, saúde e bem-estar aplicações relacionadas têm visto um surto com o advento de wearables como o Fitbit. Neste artigo, nós nos concentramos na qualidade do sono que afeta diretamente o bem-estar geral de. Um grande desafio no Content-Based Image Retrieval (CBIR) é a ponte entre a lacuna semântica entre conteúdo de imagens de baixo nível e de alto nível semântico conceitos. Embora os pesquisadores tenham investigado uma variedade de técnicas de recuperação usando diferentes tipos de recursos e funções de distância, nenhuma solução de melhor recuperação pode lidar plenamente com esse desafio. Dentro. Julho de 2017 IJCAI15: Proceedings da 24a Conferência Internacional sobre Inteligência Artificial A seleção de carteira on-line (PS) tem sido extensivamente estudada em inteligência artificial e máquinas de aprendizagem comunidades nos últimos anos. Uma questão prática importante de PS on-line é o custo de transação, que é inevitável e não trivial nos mercados financeiros reais. A maioria das estratégias existentes, tais como as estratégias baseadas em carteira universal (UP), muitas vezes reequilibram. A seleção de portfólio on-line, um problema fundamental em finanças computacionais, atraiu o interesse crescente da inteligência artificial e das comunidades de aprendizado de máquinas nos últimos anos . Evidências empíricas mostram que estoques altos e baixos são temporários e os preços das ações provavelmente seguirão o fenômeno de reversão média. Enquanto existentes estratégias de reversão média. Palavras-chave . Reversão média, Seleção de carteira, Reversão média móvel Janeiro de 2017 WSDM 15: Proceedings of the Eighth ACM Conferência Internacional sobre Pesquisa na Web e Mineração de Dados Citação Count: 4 Downloads (6 Semanas): 14. Downloads (12 Months): 168. Downloads (Geral): 386 Texto completo disponível: PDF Com a popularidade de smartphones e dispositivos móveis, o número de aplicações móveis (aka apps) tem crescido rapidamente. Detectar aplicativos semanticamente semelhantes de um grande conjunto de aplicativos é um problema básico e importante, pois é benéfico para várias aplicações, como recomendação de aplicativo, pesquisa de aplicativos, etc. Janeiro de 2017 ACM Transactions em Sistemas Inteligentes e Tecnologia (TIST) - Seções Especiais sobre Diversidade e Descoberta em Sistemas de Recomendação, Publicidade Online e Artigos Regulares: Volume 5 Issue 4 , Janeiro de 2017 Citação Count: 2 Downloads (6 Semanas): 4. Downloads (12 Mois): 71. Downloads (Geral): 161 O uso generalizado e alcance das mídias sociais têm atraído um aumento de atenção no Comunidade de pesquisa multimídia. Descoberta comunitária de mídia social, portanto, tornou-se uma questão importante, mas desafiador. No entanto, devido ao processo gerador subjetivo, as comunidades explicitamente observadas (por exemplo, usuário do grupo e relação usuário-usuário) são freqüentemente. Palavras-chave . As redes sociais, a descoberta da comunidade, a informação do contexto, a matriz de baixo nível, as mídias sociais A aprendizagem para maximizar o desempenho da CUA é um importante problema de pesquisa na área da AUC. Aprendizagem de máquinas. Ao contrário dos métodos tradicionais de aprendizado em lote para maximizar a AUC, que freqüentemente sofrem de escassa escalabilidade, nos últimos anos testemunharam alguns estudos emergentes que tentam maximizar a AUC através de abordagens de aprendizado on-line de passagem única. Apesar de seus resultados encorajadores relatados, o. Dezembro de 2017 ICDM 14: Procedimentos da Conferência Internacional IEEE 2017 sobre Mineração de Dados A quantidade de dados em nossa sociedade tem explodido na era dos grandes dados hoje. Neste artigo, abordamos vários desafios abertos da classificação de grandes fluxos de dados, incluindo alto volume, alta velocidade, alta dimensionalidade e alta dispersão. Muitos estudos existentes na literatura de mineração de dados resolvem o fluxo de dados. Palavras-chave . Classificação de fluxo de dados, aprendizagem esparsa e on-line