Off-the-Shelf Neural Network Architectures for Forex Time Series Prediction come at a Cost

要約

私たちの研究は、さまざまな長期短期記憶 (LSTM) ニューラル ネットワーク アーキテクチャと、外国為替市場予測に特化した ANN アーキテクチャ間のパフォーマンスとリソース要件の比較に焦点を当てています。
モデルの実行時間と、メモリや計算能力などの消費されたリソースを分析します。
私たちの目的は、特殊なアーキテクチャが外国為替市場予測においてより良い結果を達成するだけでなく、LSTM アーキテクチャと比較してより少ないリソースを使用してより短い時間枠で実行できることを実証することです。
この比較分析は、外国為替市場環境における時系列予測に対するこれら 2 つのタイプのアーキテクチャの適合性についての重要な洞察を提供します。

要約(オリジナル)

Our study focuses on comparing the performance and resource requirements between different Long Short-Term Memory (LSTM) neural network architectures and an ANN specialized architecture for forex market prediction. We analyze the execution time of the models as well as the resources consumed, such as memory and computational power. Our aim is to demonstrate that the specialized architecture not only achieves better results in forex market prediction but also executes using fewer resources and in a shorter time frame compared to LSTM architectures. This comparative analysis will provide significant insights into the suitability of these two types of architectures for time series prediction in the forex market environment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google