[发明专利]基于深度神经网络的股票K线识别方法在审
| 申请号： | 201910525091.3 | 申请日： | 2019-06-18 |
| 公开（公告）号： | CN110263843A | 公开（公告）日： | 2019-09-20 |
| 发明（设计）人： | 吴同伟 | 申请（专利权）人： | 苏州梧桐汇智软件科技有限责任公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06Q40/06 |
| 代理公司： | 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 | 代理人： | 李艾 |
| 地址： | 215000 江苏省苏州市工业*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度神经网络的股票K线识别方法。本发明一种基于深度神经网络的股票K线识别方法，包括：其中，神经网络模型主要由三个子神经网络构成，分别是特征提取网络、候选框提取网络以及候选框优化网络；特征提取网络由卷积层(conv)、激活层(RELU)和池化层(pooling)组成；候选框提取网络由单通道卷积层和损失函数层(softmax)构成，输出有两组，分别对应K个候选框的前景得分和位置调整量，对得到的前景候选框做筛选，筛选后的候选框特征输入候选框优化网络，其中，K为正整数。本发明的有益效果：提高K线图识别速度，为基于K线图的投资流派提供技术参考；从过往股市K线图中学习波动规律，为制定投资策略提供参考。 | ||
| 搜索关键词： | 候选框 神经网络 网络 特征提取 卷积 股票 神经网络模型 筛选 位置调整量 波动规律 策略提供 技术参考 损失函数 特征输入 单通道 激活层 图识别 正整数 池化 两组 优化 输出 投资 参考 制定 学习 | ||
【主权项】：
1.一种基于深度神经网络的股票K线识别方法，其特征在于，包括：其中，神经网络模型主要由三个子神经网络构成，分别是特征提取网络、候选框提取网络以及候选框优化网络；特征提取网络由卷积层(conv)、激活层(RELU)和池化层(pooling)组成；候选框提取网络由单通道卷积层和损失函数层(softmax)构成，输出有两组，分别对应K个候选框的前景得分和位置调整量，对得到的前景候选框做筛选，筛选后的候选框特征输入候选框优化网络，其中，K为正整数；采集并标注股票K线图形作为数据集；数据预处理，使得数据格式符合检测模型需求；将训练数据以矩阵形式输入到检测模型当中，以模式标记位置和类别作为预测目标；利用梯度下降法，优化总损失函数，提高图形识别准确度；将需要识别的股票K线图输入模型中，识别其中具有指导意义的特定K线图形。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州梧桐汇智软件科技有限责任公司，未经苏州梧桐汇智软件科技有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910525091.3/，转载请声明来源钻瓜专利网。
