Abstrait

Machine Learning 2018 : Robots collaboratifs : Prédire l'heure de la journée à l'aide d'outils de machine learning - Nwachukwu Anthony Chukwuemeka - Université d'Ibadan

Anthony Chukwuemeka, Nwachukwu

Imaginez avoir la possibilité de dire l'heure à partir des données disponibles dans la zone. L'IA sera-t-elle utilisée pour résoudre ce problème ? Cet article a utilisé différents modèles d'IA pour faire la meilleure prévision de grande importance de la journée. Des articles explicites ont été distingués dans une zone et des images de ces articles ont été capturées dans un espace ouvert au cours des 24 heures de la journée, y compris les images du ciel, de la température, de l'humidité, de la puissance du bruit et d'autres éléments pour cette période de 24 heures pendant une longue période. Ceux-ci ont été utilisés pour préparer les modèles avec les différents modèles d'IA rendus accessibles dans MATLAB. Le modèle avec la meilleure attente a été choisi. Une interface utilisateur d'application (GUI) a été structurée avec MATLAB qui rend l'expérience client incroyable et a été transmise pour être utilisée dans les appareils Windows et Java. Anticiper le fonctionnement de la bourse est l'une des tâches les plus difficiles. Il existe un si grand nombre de facteurs associés à l'attente - éléments physiques contre comportements physiologiques, discernement et stupidité, etc. Chacune de ces perspectives se combine pour rendre les cours des actions imprévisibles et extrêmement difficiles à prévoir avec un niveau de précision élevé. Pouvons-nous utiliser l'IA comme un avantage distinct dans ce domaine ? En utilisant des éléments tels que les déclarations les plus récentes sur une association, ses résultats financiers trimestriels, etc., les stratégies d'IA peuvent éventuellement découvrir des exemples et des éléments d'information que nous n'avions pas vus auparavant, et ceux-ci peuvent être utilisés pour faire des prédictions d'une précision infaillible. Dans cet article, nous utiliserons des données enregistrées sur les cours des actions d'une entreprise publiquement enregistrée. Nous exécuterons une combinaison de calculs d'IA pour prévoir le cours futur des actions de cette entreprise, en commençant par des calculs de base comme la moyenne et la rechute directe, puis en passant à des méthodes de pointe comme Auto ARIMA et LSTM. L'idée centrale de cet article est de comprendre comment ces calculs sont mis en œuvre. Je décrirai rapidement la méthode et fournirai des liens pertinents pour examiner les idées au fur et à mesure que cela est nécessaire. Si vous êtes un nouveau venu dans le monde de la planification du temps, je vous suggère de lire d'abord les articles suivants : Nous allons bientôt passer à la partie exécution de cet article, mais il est d'abord important de définir ce que nous voulons comprendre. En gros, l'analyse des marchés financiers est divisée en deux sections : l'analyse fondamentale et l'analyse technique. L'analyse fondamentale consiste à décomposer la productivité future de l'entreprise en fonction de sa situation commerciale actuelle et de ses performances financières. L'analyse technique, quant à elle, consiste à lire les graphiques et à utiliser des chiffres factuels pour distinguer les tendances du marché des valeurs mobilières. Comme vous l'auriez deviné, notre attention se portera sur la partie analyse technique.Nous utiliserons un ensemble de données de Quandl (vous pouvez découvrir des informations chiffrées sur différentes actions ici) et pour ce projet spécifique, j'ai utilisé les données de « Goodbye Global Beverages ». Il est temps de faire le grand saut !

Biographie :

Université d'Ibadan, Nigéria