文件名称：Deep-Signature-Transforms:“深度签名转换”的代码
文件大小：470KB
文件格式：ZIP
更新时间：2024-04-04 09:57:28
machine-learning time-series signature signatures rough-paths
深度签名转换 在神经网络中将签名变换用作池化层。 这是Bonnier，Kidger，Perez Arribas，Salvi，Lyons 2019的论文的代码。 看看了PyTorch实现签名变换。 概述 如果您已经对神经网络有所了解，那么您的想法就是“签名变换”是一种非常出色的变换，它可以从数据流中提取特征，因此尝试将其内置到其中是很自然的事情。我们的神经网络模型。 如果您已经开始了解签名，那么您可能知道它们以前仅用作功能转换，并在其上构建了模型。 但是实际上可以通过签名变换反向传播，因此，只要您正确地设计模型（必须“保持流”；请参阅本文），那么将签名嵌入到神经网络中实际上是有意义的。 在签名变换之前学习非线性可以提供一种紧凑的方式来选择（原始路径的）签名中的哪些项对给定的数据集有用。 什么是签名？ 数据流的签名本质上是有关该数据流的统计信息的集合。 统计信息的收集在捕获有关数据流的
【文件预览】：
Deep-Signature-Transforms-master
----poster()
--------deepsig_poster.pdf(353KB)
----LICENSE(11KB)
----src()
--------hurst_parameter.py(11KB)
--------example_signature_inversion.ipynb(1019KB)
--------utils.py(3KB)
--------example_hurst_parameter.ipynb(16KB)
--------signature_inversion.py(2KB)
--------base.ipynb(619B)
--------example_reinforcement_learning.ipynb(4KB)
--------reinforcement_learning.py(6KB)
--------example_generative_model.ipynb(5KB)
--------README.md(462B)
--------generative_model.py(4KB)
----requirements.txt(172B)
----.gitignore(61B)
----README.md(4KB)
----packages()
--------candle()
--------siglayer()