{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,4]]，“日期-时间”：“2024-06-04T02:39:36Z”，“时间戳”：1717468776728}，“引用-计数”：41，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{'日期-部件“：[[2021,9,1]]，“时间”：”2021-09-01T00:00:00 0:00Z“，”时间戳“：1630454400000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com//tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[[2021,9,1]]，“date-time”：“2021-09-01T00:00:00Z”，“timestamp”：1630454400000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https://doi.org\/10.15223\/policy-017“}，{“开始”：{“日期部分”：[[2021,9,1]]，“日期时间”：“2021-09-01T00:00:00Z”，“timestamp”：1630454400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2021,9,1]]，“date-time”：“2021-09-01T00:00:00Z”，“timetamp”：630454400000}，https:\/\/doi.org\/10.15223\/policy-012“}，{“开始”：{“日期部分”：[[2021,9,1]]，“date-time”：“2021-09-01T00:00:00Z”，“timestamp”：1630454400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2021,9,1]]，“datetime”：m-asf“，”delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Applied Soft Computing”]，”published-print“：{”date-parts“：[[2021,9]]}，”DOI“：”10.1016\/j.asoc.2021.107460“，”type“：”journal-article“，”created“：{”date-ports“：[2021,5,10]]，”date-time“：”2021-05-10T0T0 6:08:20Z“，”时间戳“：162062690000}，“page”：“107460”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：5，“title”：[“图像处理满足时间序列分析：预测外汇盈利技术模式位置”]，“前缀”：“10.1016”，“卷”：“108”，“作者”：[{“ORCID”：“http://\/orcid.org\/00000-0003-0935-4756”，“authenticated-orcid”：false，“given”：“Arya”，“family”：“Hadizadeh Moghaddam”，“sequence”：“first”，“affiliation”：[]}，{“orcid”：”http://\/orcid.org\/20000-0002-8110-1342，“成员”：“78”，“引用”：[{“键”：“10.1016\/j.asoc.2021.107460_b1”，“series-title”：“谜一般的多拉-欧元汇率与世界2019年最大的外汇市场：表现、原因、后果”，“author”：“Priewe”，“year”：“2016”}，{“key”：：“金融市场技术分析：交易方法和应用综合指南”，“作者”：“墨菲”，“年份”：“1999”}，{“关键”：“10.1016\/j.asoc.2021.107460_b3”，“首页”：“1”，“文章标题”：“使用烛台回归和市场趋势预测进行股市分析（CKRM）”，“作家”：“阿南西”，“年度”：“2020”，“新闻标题”：“J.Ambient Intell.Humanized Comput.”}，{“key”：“10.1016\/J.asoc.2021.107460_b4”，“series-title”：“国际数据科学软计算会议”，“首页”：“72”，“article-title”：《数据规范化对股市预测的影响：使用SVM和技术指标》，“author”：“Pan”，“year”：“2016”}、{“key”：“10.1016\/j.asoc.2021.107460_b5”，“doi-asserted-by”：“crossref”，“first page”：“596”，“doi”：“10.106\/j-asoc.2017.12.047”，“article-title”：“支持向量机与遗传算法结合优化高杠杆外汇市场投资”，“volume”：”64“，”author“：”de\u00a0Almeida“，”year“：”2018“，”journal-title“：”Appl.Soft Compute.“}，{“key”：“10.1016\/j.asoc.2021.107460_b6”，“series-title”：“使用随机森林预测股市价格的方向”，“author”：“Khaitem”，“year”：“2016”}，{“issue”：“1”，“key“：”10.1016\/j.asoc.2021.107460_b7“，”doi-asserted-by“：”crossref“，”doi“10.1080\/23322039.2017.1335968”，“article-title”：”用ARIMA方法预测USDTRY汇率“，”卷“：”5“，“author”：“Y\u0131ld\u0131 ran”，“year”：“2017”，“journal-title”：“Cogent Economics&Finance”}，{“key”：“10.1016\/j.asoc.2021.107460_b8”，“series-title”：《2017 CHI计算机系统人为因素会议论文集》，“首页”：“3506”，“article-title“：社交媒体客户服务的新聊天机器人”，“au作者”：“Xu”，“年份”：“2017}”，{：“10.1016\/j.asoc.2021.107460_b9”，“doi-asserted-by”：“crossref”，“doi”：“10.1155\/2018\/7068349”，“article-title”：“计算机视觉的深度学习：简要回顾”，“volume”：“2018”，“author”：“Voulodimos”，“year”：“2018”，“journal-title:“Compute.Interl.Neurosci.”}，{“key”：”10.1016//j.asoc.2021.107460_b10“，”doi-assert by“：”crossref“，”doi“：“10.21437”，“Interspeech.2018-1351”，“article-title”：“一种利用卷积深度信念网络进行病理嗓音检测的深度学习方法”，“author”：“Wu”，“year”：“2018”，“journal-title“：”Interspeech 2018“}，{“issue”：“1”，“key”：“10.1016\/j.asoc.2021.107460_b11”，“doi-asserted-by”：“crossref”，“first page”：”369“，“doi”：“10.007\/s11071-04974-y”，“article-title”：“使用非线性、非参数、非平稳方法分析北美自由贸易区股票市场之间的动态关系”，“数量”：“97”，“作者”：“Polanco-Mart\u00ednez”，“年份”：“2019年”，“期刊标题”：“非线性动力学”}，{“关键”：“10.1016\/j.asoc.2021.107460_b12”，“artice-title“：“使用深度学习和频率分解进行股票价格预测”，“作者”：“Rezaei”，“年份”：“2020年”，“日志标题”：“专家系统应用”}，{“关键”：“10.1016\/j.asoc.2021.107460_b13”，“doi-asserted-by”：“crossref”，《首页》：“273”，“doi”：“1016\/j.eswa.2019.03.029”，“文章标题”：“CNNpred:使用一组不同变量进行的基于CNN的股市预测”，“卷”：“129”，“作者”：“Hoseinzade”，“年份”：“2019”，“期刊标题”：“Expert Syst.Appl.”}，｛“key”：“10.1016\/j.asoc.2021.107460_b14”，“doi asserted by”：“crossref”，“首页”：“647”，“doi”：“10.1016\/j.procs.2019.01.189”，“文章标题”：“基于深度学习的外汇时间序列数据预测”，“volume”：“147”，“author”：“Ni”，“year”：“2019”，“journal-title”：“Procedia Compute.Sci.”}，{“key”：”10.1016\/j.asoc.2021.107460_b15“，”doi-asserted-by“：”crossref“，”doi“：”10.116\/j.physa.2020.24907“，”article-title“：“通过将LSTM\u2013ANN网络与GARCH模型相结合实现铜价格波动预测的混合深度学习方法”，“量”：“557”，“作者”：“胡”，“年份”：“2020”，“期刊标题”：“物理A”}，{“问题”：“6”，“关键”：“10.1016\/j.asoc.2021.107460_b16”，“doi-asserted-by”：“crossref”，“首页”：“600”，“doi”：“101002\/for.2585”，“article-title”：“用于高频股市分类的LSTM神经网络集成”，“volume”：“38”，“author”：“Borovkova”，“year”：“2019”，“journal-title”：“J.Forecast.”}，{“issue”：“7”，“key”：”10.1016\/J.asoc.2021.107460_b17“，”doi-asserted-by“：”crossref“，”doi“：”10.1371\/journal.pone.0180944“，”article-title“：“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”，“卷”：“12”，“作者”：“包”，“年份”：“2017年”，“日志标题”：“公共科学图书馆一号”}，{“键”：“10.1016\/j.asoc.2021.107460_b18”，“series-title”：“神经网络2017年国际联合会议”，“首页”：“1380”，“article-title”：“基于受限Boltzmann机器的股市趋势预测”，“author”：“Liang”，“year”：“2017”}，{“issue”：“41”，“key”：“10.1016\/j.asoc.2021.107460_b19”，“first page”：”89“，“article-title”：“使用人工神经网络进行股市指数预测”，”volume“：”21“，”author“：”Moghaddam“，”year“：”2016“，”journal title“：”j.Econ.Finance Adm.Sci.“}，{“key”：“10.1016\/j.asoc.2021.107460_b20”，“series-title”：“2019 IEEE第九届年度计算与通信研讨会和会议”，“首页”：“0264”，“文章标题”：“CNN和双向LSTM的新型深度学习模型，用于改进股市指数预测”，“author”：“Eapen”，“year”：“199”}，{“issue”：“6”，“key“：“10.1016\/j.asoc.2021.107460_b21”，“doi-asserted-by”：“crossref”，“首页”：“1609”，“doi”：“10.1007\/s00521-019-04212-x”，“article-title”：“基于深度神经网络的股价预测”，“volume”：“32”，“author”：“Yu”，“year”：“2020”，“journal-title“：”neural Compute.Appl.“}，{”key“10.1016”//j.asoc.2021.107460-b22”，“doi-asserted-by”：“crossref”，“首页”：“1”，“DOI”：“10.1186\/s40854-020-00187-0”，“article-title”：“使用卷积神经网络将烛台编码为图像以进行模式分类”，“volume”：“6”，“author”：“Chen”，“year”：“2020”，“journal-title“：”Financ.Innov.“}，{“key”：”10.1016\/j.asoc.2021.107460_b23“series-title”：“2018 IEEE声学、语音和信号处理国际会议”，“首页”：“2706”，“文章标题”：“深度股票表征学习：从烛台图表到投资决策”，“作者”：“胡”，“年份”：“2018”}，{“问题”：“2”，“关键”：“10.1016\/j.asoc.2021.107460_b24”，“doi-asserted-by”：“crossref”，“doi”：“10.1371\/journal.pone.0212320”，“article-title”：“使用相同数据的不同表示形式，使用特征融合LSTM\u2013CNN模型预测股价”，“volume”：“14”，“author”：“Kim”，“year”：“2019”，“journal-title“：”PLoS One“}，{“issue”：“2”，“key”：”10.1016\/j.asoc.2021.107460_b25“，”doi-asserted-by“：”crossref“，”first page“26”，“doi”：“10.3390\/ijfs7020026”，“文章标题”：“股市分析：预测技术的回顾和分类”，“卷”：“7”，“作者”：“Shah”，“年份”：“2019”，“期刊标题”：“Int.J.Financ.Stug.”}，{“key”：“10.1016\/J.asoc.2021.107460_b26”，“系列标题”：“股票趋势的技术分析”，“作者”：“Edwards”，“年份”：“2018”}，{“issue”：“6”，“key”：“10.1016\/j.asoc.2021.107460_b27”，“doi断言者”：“crossref”，“第一页”：“382”，“doi”：“10.28991\/esj-2019-01200”，“文章标题”：“纳斯达克股票交易所对特别股息公告的股价反应”，“卷”：“3”，“作者”：“Seyedimany”，“年份”：“2019”，“期刊标题”：“Emerg.Sci.j.”}，{“问题”：“6”，“关键”：“10.1016\/j.asoc.2021.107460_b28”，“doi-asserted-by”：“crossref”，“first page”：“443”，“doi”：“10.28991\/esj-2020-01244”，“article-title”：“欧洲北欧国家股市上市公司\u2019：因子和聚类分析方法”，“数量”：“4”，”作者：“Pilvere-Javorska”，“年份”：“2020”，“新闻标题”：“Emerg.Sci.j.”}，{“问题”：“2”，“键“：“10.1016\/j.asoc.2021.107460_b29”，“首页”：“47”，“文章标题”：“使用bollinger bands”，“卷”：“10”，“作者”：“bollinger”，“年份”：“1992”，“期刊标题”：”股票商品“}，{“发行”：“9”，”密钥“：”10.1016//j.asoc.2021.107460_b30“，”doi-asserted-by“：”crossref“，”首页“：”715“，”doi“：”10.21859\/ce j-03098“，”文章标题“：“使用boost学习系统改进微地震事件数据检测和分类机制的现代方法”，“卷”：“3”，“作者”：“Ghorbani”，“年份”：“2017年”，“期刊标题”：“Civ.Eng.J.”}，{“关键”：“10.1016\/J.asoc.2021.107460_b31”，“doi-asserted-by”：“crossref”，“doi”：“0.1016\/J.asoc.2019.105895”，“article-title”：“利用可扩展异常检测技术进行增值税欺诈检测”，“卷”：“86”，“作者”：“Vanhoeyveld”，“年份”：“2020”，“日志标题”：“应用软件计算”}，{“关键”：“10.1016\/j.asoc.2021.107460_b32”，“首页”：“1”，“文章标题”：”Iktishaf：使用推特和火花机学习的大数据道路交通事件检测工具“，“作者“：“Alomari”，“year”：“2020”，“journal-title”：“Mob.Netw.Appl.”}，{“key”：“10.1016\/j.asoc.2021.107460_b33”，“doi-asserted-by”：“crossref”，”doi“：”10.1016\/j.media.2019.101552“，”article-title“：”医学成像中的生成性对抗网络：综述“，”volume“：”58“，”author“：”Yi“，”year“：”2019“，”journal-title“:”Med.图像分析。“}，{”键“：“10.1016\/j.asoc.2021.107460_b34”，“doi-asserted-by”：“crossref”，“first page”：“133”，”doi“：”10.1016\/j.isprsjprs.2017.07.014“，”article-title“：“用于超精细分辨率遥感图像分类的混合MLP-cnn分类器”，“volume”：”140“，”author“：”Zhang“，”year“：”2018“，”journal-title”：“ISPRS j.Photogram.Remote Sens.”}，{“key”：“10.1016\/j.asoc.2021.107460_b35”，“doi-asserted-by”：“crossref”，“first page”：“128”，“doi”：“10.106\/j.neucom.2018.2.110”，“article-title”：“基于卷积神经网络的快速人脸检测方法”，“volume”：”395“，“author”：“Guo”，“year”：“2020”，“journal-title“：”Neurocomputing“}”，{“key”：es-title“（电子标签）：“第32届国际机器学习会议论文集-第37卷”，“首页”：“448”，“文章标题”：“批量规范化：通过减少内部协变量转移加快深层网络训练”，“作者”：“Ioffe”，“年份”：“2015”}，{“问题”：“1”，“关键”：“10.1016\/j.asoc.2021.107460_b37”，“第一页”：”1929“，“article-title”：“辍学：防止神经网络过度拟合的简单方法”，“volume”：“15”，“author”：“Srivastava”，“year”：“2014”，“journal-title:“J.Mach.Learn.Res.”}，{“issue”：“8”，“key”：”10.1016\/J.asoc.2021.107460_b38“，”doi-asserted-by“，”：“crossref”，”first page“1735”，“doi”：“10.1162\/neco.1735”，文章标题“：“长短期记忆”，“卷”：“9”，“作者”：“Hochreiter”，“年份”：“1997”，“日志标题”：“神经计算”}，{“问题”：“6”，“关键”：“10.1016\/j.asoc.2021.107460_b39”，“doi-asserted-by”：“crossref”，“首页”：“3599”，“doi”：“101109\/TGRS.2018.2886022”，“文章标题”：“用于高光谱图像分类的具有多尺度卷积和多样化度量的CNN”，“卷”：“57”，“作者”：“龚”，“年份”：“2019”，“期刊标题”：“IEEE Trans.Geosci.Remote Sens.”}，{“键”：“10.1016\/j.asoc.2021.107460_b40”，“首页”：“1”，“文章标题”：：“Livieris”，“year”：“2020”，“journal-title”：“Neural Comput.Appl.”}，{“key”：“10.1016\/j.asoc.2021.107460_b41”，“series-title”：”Keras“，“author”：“Cholet”，“year”：”2015“}]，“container-title“：[”应用软计算“]，“original-title:[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com/content \/文章\/PII:S1568494621003835？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S1568494621003835？httpAccept_text\/plain“，”内容类型“：”文本\/plaine“，”content-version”：“vor”，“intended-epplication”：“text-mining”}]，”存放“：{“date-parts”：[2023,4,15]]，“date-time“：”2023-04-15T11:59:37Z“，”timestamp“：1681559977000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S1568494621003835”}}，“副标题”：[]，“短标题”：[]，“已发布”：{“date-parts”：[2021,9]]}、“references-count”：41，“alternative-id”：[“S156849462626”1003835“]，”URL“：”http:\/\/dx.doi.org\/10.1016\/j.asoc.2021.107460“，”关系“：{}，”ISSN“：[”1568-4946“]，”ISSN-type“：[{”value“：”1568-49“，”type“:”print“}]，”主题“：[]，”published“：{”date-parts“：[2021,9]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“此文章由”}，{维护“值”：“图像处理满足时间序列分析：预测外汇盈利技术模式位置“，”name“：”articletitle“，”label“：”Article Title“}，”{“value”：“Applied Soft Computing”，“name”：“journaltitle”，“label”：“Journal Title”}，{“value”：“https:\\/doi.org\/101016\/j.asoc.2021.107460”，“name”：“articlelink”，”label:“”CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2021 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]，“文章编号”：“107460”}