315–326,2015.[7] A。Iosi fidis，A.Tefas和I.Pitas，“基于人工神经网络的视图不变动作识别”，IEEE神经网络和学习系统学报，第23卷，第3期，第412-4242012页。[8] A。Iosi fidis、A.Tefas和I.Pitas，“基于活动的模糊表示和判别学习的人员识别”，IEEE信息取证与安全交易，第7卷，第2期，第530–20122012页。[9] S。Xingjian，Z.Chen，H.Wang，D.-Y.Yeung，W.-K.Wong和W.-c.Woo，“卷积LSTM网络：降水临近预报的机器学习方法”，神经信息处理系统进展，第802-8102015页。[10] I.Kaastra和M.Boyd，“设计用于预测金融和经济时间序列的神经网络”，神经计算，第10卷，第3期，第215-236页，1996年。[11] E.M.Azoff，《金融市场的神经网络时间序列预测》。约翰·威利父子公司，1994年。[12] L.-J.Cao和F.E.H.Tay，“金融时间序列预测中具有自适应参数的支持向量机”，IEEE Transactions onneral networks，第14卷，第6期，第1506–15182003页。[13] A.Iosi fidis、A.Tefas和I.Pitas，“基于模糊距离和判别分析的多维序列分类”，IEEETransactions on Knowledge and Data Engineering，vol.93，no.6，pp.1445–14572013。[14] S.B.Taieb和A.F.Atiya，“多步超前时间序列预测的偏差和方差分析”，IEEE神经网络和学习系统交易，第27卷，第1期，第62-76页，2016年。[15] B.Wang、H.Huang和X.Wang，“金融时间序列预测的新文本挖掘方法”，神经计算，第83卷，第136-1452012页。[16] C.J.Neely、D.E.Rapach、J.Tu和G.Zhou，“预测股票风险溢价：技术指标的作用”，《管理科学》，第60卷，第7期，第1772-17912014页。[17] J.J。

Murphy，《金融市场技术分析：交易方法和应用综合指南》。企鹅出版社，1999年。[18] G.Walker，“关于一系列相关术语的周期性”，《伦敦皇家学会学报》。A系列，包含数学和物理性质的论文，第131卷，第818号，第518-5321931页。[19] E.Slutzky，“随机原因的总和作为周期过程的来源”，《计量经济学：计量经济学学会杂志》，第105–146页，1937年。[20] G.E.Box、G.M.Jenkins和J.F.MacGregor，“预测和控制的一些最新进展”，应用统计学，第158–1791974页。[21]G.C.Tiao和G.E.Box，“利用应用程序建模多个时间序列”，《美国统计协会杂志》，第76卷，第376号，第802-8161981页。[22]J.M.Poterba和L.H.Summers，“股票价格的均值回归：证据和影响”，《金融经济学杂志》，第22卷，第1期，第27-59页，1988年。【23】N.I.Sapankevych和R.Sankar，“使用支持向量机的时间序列预测：调查”，《IEE计算智能杂志》，第4卷，第2期，2009年。[24]G.G.Creamer和Y.Freund，“预测拉丁美洲ADR和银行的绩效和量化公司治理风险”，2004年。【25】M.J.Kane、N.Price、M.Scotch和P.Rabinowitz，“预测禽流感H5N1暴发的ARIMA和随机森林时间序列模型比较”，BMC生物信息学，第15卷，第1期，第2762014页。【26】J.J.Hop fild，“具有紧急集合计算能力的神经网络和物理系统”，摘自《自旋玻璃理论及其超越：复制方法及其应用简介》，第411-415页，世界科学出版社，1987年。【27】G.Hinton，L.Deng，D.Yu，G.E.Dahl，A.-r.Mohamed，N.Jaitly，A.Senior，V.Vanhoucke，P.Nguyen，T.N。

Sainath等人，《语音识别中声学建模的深层神经网络：四个研究小组的共同观点》，《IEEE信号处理杂志》，第29卷，第6期，第82-972012页。[28]J.Yue Hei Ng，M.Hausknecht，S。Vijayanarasimhan、O.Vinyals、R.Monga和G.Toderici，“超越短片段：视频分类的深层网络”，摘自IEEE计算机视觉和模式识别会议记录，第4694–47022015页。【29】S.Hochreiter和J.Schmidhuber，“长-短期记忆”，《神经计算》，第9卷，第8期，第1735-17801997页。[30]J.Chung、C.Gulcehre、K.Cho和Y.Bengio，“序列建模中的广义递归神经网络的经验评估”，arXiv预印本XIV:1412.35552014。[31]K.Greff、R.K.Srivastava、J.Koutn'iK、B.R.Steunebrink和J.S chmidhuber，“Lstm：搜索空间奥德赛”，IEEE神经网络和学习系统交易，2017年。【32】R.A.Rensink，“场景的动态表现”，视觉认知，第7卷，第1-3期，第17-42页，2000年。【33】M.Corbetta和G.L.Shulman，“大脑中目标导向和刺激驱动注意力的控制”，《自然评论神经科学》，第3卷，第3期，第201-2152002页。【34】S.K.Ungerleider和G.Leslie，“人类大脑皮层的视觉注意机制”，《神经科学年鉴》，第23卷，第1期，第315-3412000页。[35]K.Xu、J.Ba、R.Kiros、K.Cho、A.Courville、R.Salakhudinov、R.Zemel和Y.Bengio，“展示、参与和讲述：视觉注意下的神经图像字幕生成”，在机器学习国际会议上，第2048-2057页，2015年。【36】V.Mnih，N.Heess，A.Graves等人，《视觉注意的复发模型》，《神经信息处理系统的进展》，第2204–2212202014页。[37]K.Chen、J.Wang、L.-C.Chen、H.Gao、W.Xu和R。

Nevatia，“Abccnn：用于视觉问答的基于注意的卷积神经网络”，arXiv预印本arXiv:1511.059602015。[38]E.Choi、M.T.Bahadori、J.Sun、J.Kulas、A.Schuetz和W.Stewart，“保留：使用反向注意机制的医疗保健可解释预测模型”，神经信息处理系统进展，第3504-3512016页。【39】M.Riemer、A.Vempty、F.Calmon、F.Heath、R.Hull和E.Khabiri，“利用多因素神经注意纠正预测”，机器学习国际会议，第3010-30192016页。[40]Y.Qin，D.Song，H.Cheng，W.Cheng，G.Jiang和G.Cottrell，“基于双阶段注意的时间序列预测递归神经网络”，arXiv预印本arXiv:1704.029711917。【41】Q.Li和D.Schonfeld，“高阶张量数据分类的多线性判别分析”，IEEE模式分析和机器智能交易，第36卷，第12期，第2524-2537页，2014年。[42]D.T.Tran、M.Gabbouj和A.Iosi fidis，“多线性类特异性鉴别分析”，《模式识别快报》，2017年。【43】W.Guo、I.Kotsia和I.Patras，“回归张量学习”，IEEETransactions on Image Processing，vol.21，no.2，pp.816–8272012。[44]J.Gao、Y.Guo和Z.Wang，“矩阵神经网络”，神经网络国际研讨会，第313–320页，Springer，2017年。[45]K.Do、T.Tran和S.Venkatesh，“矩阵中心神经网络”，arXiv预印本arXiv:1703.014542017。【46】D.T.Tran、M.Magris、J.Kanniainen、M.Gabbouj和A.Iosi fidis，“用于价格变化预测的高频金融数据中的张量表示”，IEEE计算智能系列研讨会（SSCI），2017年。[47]A.赞特基迪斯、N.帕萨利斯、A.特法斯、J.坎尼亚宁、M.加布、安达。

Iosi fidis，“使用卷积神经网络从限额订单簿预测股票价格”，载于《商业信息学》（CBI），2017年IEEE第19届会议，第1卷，第7-12页，IEEE，2017年。【48】A.Tsantekidis、N.Passalis、A.Tefas、J.Kanniainen、M.Gabbouj、andA。Iosi FIDIS，“利用深度学习检测金融市场中的价格变化迹象”，摘自信号处理会议（EUSIPCO），201725th European，第2511–2515页，IEEE，2017年。【49】J.Heaton、N.Polson和J.Witte，“深度投资组合理论”，arXiv预印本arXiv:1605.07230，2016年。【50】A.Sharang和C.Rao，“将机器学习用于中频衍生品组合交易”，arXiv预印本arXiv:1512.062282015。[51]Y.Deng、F.Bao、Y.Kong、Z.Ren和Q.Dai，“金融信号表示和交易的深度直接强化学习”，IEEEtransactions on neural networks and learning systems，vol.28，no.3，pp.653–6642017。[52]Y.Deng、Y.Kong、F.Bao和Q。Dai，“基于稀疏编码的hft行业最佳交易系统”，IE EE《工业信息学交易》，第11卷，第2期，第467–4752015页。【53】J.Sirignano，“限额订单书的深度学习”，ArXiv电子印刷，2016年1月。【54】W.Bao、J.Yue和Y.Rao，“使用堆叠自动编码器和长-短期记忆的金融时间序列深度学习框架”，PloS one，第12卷，第7期，第E01809442017页。【55】N.Passalis、A.Tsantekidis、A.Tefas、J.Kanniainen、M.Gabbouj、andA。Iosi fidis，“使用神经特征袋的时间序列分类”，摘自信号处理会议（EUSIPCO），2017年第25届欧洲会议，第301–305页，IEEE，2017年。【56】Y.G.Cinar、H.Mirisaee、P.Goswami、E.Gaussier、A.Ait-Bachir和V。Strijov，“序列到序列RNN时间序列预测中基于位置的内容关注”，神经网络信息处理国际会议，第533-544页，Springer，2017年。【57】X.Glorot，A。

Bordes和Y.Bengio，“深度稀疏的直接神经网络”，《第十四届国际艺术情报与统计会议论文集》，第315-3232011页。【58】R.Cont，“高频金融数据的统计建模”，《IEEESignal Processing Magazine》，第28卷，第5期，第16–25页，2011年。【59】A.Ntakaris、M.Magris、J.Kanniainen、M.Gabbouj和A.Iosi fidis，“限价指令簿数据中期价格预测基准数据集”，arXiv预印本arX iv:1705.032332017。【60】I.Sutskever、J.Martens、G.Dahl和G.Hinton，“关于深度学习中初始化和动量的重要性”，机器学习国际会议，第1139-11472013页。[61]D.Kingma和J.Ba，“Adam：随机优化方法”，arXiv预印本arX iv:1412.69802014。【62】N.Srivastava，G.E.Hinton，A.Krizhevsky，I.Sutskever，andR。Salakhutdinov，“辍学：防止神经网络过度匹配的简单方法”，《机器学习研究杂志》，第15卷，第1期，1929-19582014页。[63]K.He，X。Zhang、S.Ren和J.Sun，“深入研究校正：在imagenet分类上超越人类水平的性能”，IEEE计算机视觉国际会议论文集，第1026-10342015页。