http://wiki.iiis.systems:9988/w/api.php?action=feedcontributions&feedformat=atom&user=Suyuhan 2026-05-17T14:23:06Z User contributions MediaWiki 1.24.0-rc.1 http://wiki.iiis.systems:9988/w/index.php?title=Projects:Stock-Prediction&diff=494 2016-11-21T08:06:50Z

<p>Suyuhan: </p> <hr /> <div>= 项目名称 =<br /> 多数据源股市预测<br /> <br /> = 项目介绍 =<br /> 随着大数据时代的到来，互联网的数据越来越丰富。原本股市预测被认为完全不可能，而现有一些工作[1]表明，利用互联网上的多种大数据，我们可以进行股市预测。本项目中，我们利用五种数据源，包括（1）新浪股吧数据（2）上海证券交易所SSE50指数（3）美国纳斯达克指数（4）人民币美元汇率（5）中国金融新闻等，来预测上海SSE50股指。我们还利用Spark Streaming将项目搭成一套流系统，前往美国拉斯维加斯的InterConnect Conference 2016进行展示。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Ruichuang Cao<br /> <br /> Qing Wang(IBM CRL)<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 我们系统的首页界面如下图。<br /> <br /> [[File:stock.png| 600px ]]<br /> <br /> 苏宇晗前往美国展示的照片如下图。<br /> <br /> [[File:InterConnect.JPG | 300px ]]<br /> <br /> = 项目进展 =<br /> == 2015年11月15日 ==<br /> 项目开始<br /> <br /> == 2016年2月25日 ==<br /> 前往美国拉斯维加斯IBM InterConnect Conference进行项目展示<br /> <br /> <br /> = 相关文献 =<br /> [1] Bollen J, Mao H, Zeng X. Twitter mood predicts the stock market[J]. Journal of Computational Science, 2010, 2(1):1–8.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:transfer_learning&diff=493 2016-11-21T08:06:05Z

<p>Suyuhan: </p> <hr /> <div>= 项目名称 =<br /> 广告数据大规模迁移学习<br /> <br /> = 项目介绍 =<br /> 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机器学习模型，来帮助新数据进行训练。这就是迁移学习。本项目基于百度公司网盟广告数据，进行迁移学习。网盟有多个业务线，其中旧业务线数据远远多于新业务线。我们希望利用迁移学习来帮助新业务线数据训练，提高CTR预测准确度。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Zhongming Jin<br /> <br /> Xinghai Sun<br /> <br /> Fen Xia<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 百度网盟数据形式。右下角带熊掌广告logo的即是。<br /> <br /> [[File:wangmeng.png | 400px]]<br /> <br /> = 项目进展 =<br /> == 2016年4月15日 ==<br /> 调研迁移学习<br /> <br /> == 2016年5月15日 ==<br /> 开始实现算法<br /> <br /> == 2016年6月20日 ==<br /> 做了初步实验，得到一定提高<br /> <br /> == 2016年10月10日 ==<br /> 公司内部开始做更多实验，看是否可以上线。<br /> <br /> [[File:transfer_expm.png | 500px]]<br /> <br /> = 相关文献 =<br /> [1] Dai W, Yang Q, Xue G R, et al. Boosting for transfer learning[C]// Machine Learning, Proceedings of the Twenty-Fourth International Conference. 2007:1855 - 1862.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:transfer_learning&diff=492 2016-11-21T08:05:45Z

<p>Suyuhan: </p> <hr /> <div>= 项目名称 =<br /> 广告数据大规模迁移学习<br /> <br /> = 项目介绍 =<br /> 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机器学习模型，来帮助新数据进行训练。这就是迁移学习。本项目基于百度公司网盟广告数据，进行迁移学习。网盟有多个业务线，其中旧业务线数据远远多于新业务线。我们希望利用迁移学习来帮助新业务线数据训练，提高CTR预测准确度。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Zhongming Jin<br /> <br /> Xinghai Sun<br /> <br /> Fen Xia<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 百度网盟数据形式。右下角带熊掌广告logo的即是。<br /> <br /> [[File:wangmeng.png | 300px]]<br /> <br /> = 项目进展 =<br /> == 2016年4月15日 ==<br /> 调研迁移学习<br /> <br /> == 2016年5月15日 ==<br /> 开始实现算法<br /> <br /> == 2016年6月20日 ==<br /> 做了初步实验，得到一定提高<br /> <br /> == 2016年10月10日 ==<br /> 公司内部开始做更多实验，看是否可以上线。<br /> <br /> [[File:transfer_expm.png | 400px]]<br /> <br /> = 相关文献 =<br /> [1] Dai W, Yang Q, Xue G R, et al. Boosting for transfer learning[C]// Machine Learning, Proceedings of the Twenty-Fourth International Conference. 2007:1855 - 1862.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:transfer_learning&diff=491 2016-11-21T08:05:26Z

<p>Suyuhan: </p> <hr /> <div>= 项目名称 =<br /> 广告数据大规模迁移学习<br /> <br /> = 项目介绍 =<br /> 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机器学习模型，来帮助新数据进行训练。这就是迁移学习。本项目基于百度公司网盟广告数据，进行迁移学习。网盟有多个业务线，其中旧业务线数据远远多于新业务线。我们希望利用迁移学习来帮助新业务线数据训练，提高CTR预测准确度。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Zhongming Jin<br /> <br /> Xinghai Sun<br /> <br /> Fen Xia<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 百度网盟数据形式。右下角带熊掌广告logo的即是。<br /> [[File:wangmeng.png | 300px]]<br /> <br /> = 项目进展 =<br /> == 2016年4月15日 ==<br /> 调研迁移学习<br /> <br /> == 2016年5月15日 ==<br /> 开始实现算法<br /> <br /> == 2016年6月20日 ==<br /> 做了初步实验，得到一定提高<br /> <br /> == 2016年10月10日 ==<br /> 公司内部开始做更多实验，看是否可以上线。<br /> [[File:transfer_expm.png | 400px]]<br /> <br /> = 相关文献 =<br /> [1] Dai W, Yang Q, Xue G R, et al. Boosting for transfer learning[C]// Machine Learning, Proceedings of the Twenty-Fourth International Conference. 2007:1855 - 1862.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=File:Transfer_expm.png&diff=490 2016-11-21T08:05:13Z

<p>Suyuhan: MsUpload</p> <hr /> <div>MsUpload</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:transfer_learning&diff=488 2016-11-21T07:56:54Z

<p>Suyuhan: /* 相关资料 */</p> <hr /> <div>= 项目名称 =<br /> 广告数据大规模迁移学习<br /> <br /> = 项目介绍 =<br /> 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机器学习模型，来帮助新数据进行训练。这就是迁移学习。本项目基于百度公司网盟广告数据，进行迁移学习。网盟有多个业务线，其中旧业务线数据远远多于新业务线。我们希望利用迁移学习来帮助新业务线数据训练，提高CTR预测准确度。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Zhongming Jin<br /> <br /> Xinghai Sun<br /> <br /> Fen Xia<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 百度网盟数据形式。右下角带熊掌广告logo的即是。<br /> [[File:wangmeng.png | 300px]]<br /> <br /> = 项目进展 =<br /> == 2016年4月15日 ==<br /> 调研迁移学习<br /> <br /> == 2016年5月15日 ==<br /> 开始实现算法<br /> <br /> == 2016年6月20日 ==<br /> 做了初步实验，得到一定提高<br /> <br /> == 2016年10月10日 ==<br /> 公司内部开始做更多实验，看是否可以上线。<br /> <br /> = 相关文献 =<br /> [1] Dai W, Yang Q, Xue G R, et al. Boosting for transfer learning[C]// Machine Learning, Proceedings of the Twenty-Fourth International Conference. 2007:1855 - 1862.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:transfer_learning&diff=487 2016-11-21T07:56:39Z

<p>Suyuhan: /* 相关资料 */</p> <hr /> <div>= 项目名称 =<br /> 广告数据大规模迁移学习<br /> <br /> = 项目介绍 =<br /> 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机器学习模型，来帮助新数据进行训练。这就是迁移学习。本项目基于百度公司网盟广告数据，进行迁移学习。网盟有多个业务线，其中旧业务线数据远远多于新业务线。我们希望利用迁移学习来帮助新业务线数据训练，提高CTR预测准确度。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Zhongming Jin<br /> <br /> Xinghai Sun<br /> <br /> Fen Xia<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 百度网盟数据形式。右下角带熊掌广告logo的即是。<br /> [[File:wangmeng.png]]<br /> <br /> = 项目进展 =<br /> == 2016年4月15日 ==<br /> 调研迁移学习<br /> <br /> == 2016年5月15日 ==<br /> 开始实现算法<br /> <br /> == 2016年6月20日 ==<br /> 做了初步实验，得到一定提高<br /> <br /> == 2016年10月10日 ==<br /> 公司内部开始做更多实验，看是否可以上线。<br /> <br /> = 相关文献 =<br /> [1] Dai W, Yang Q, Xue G R, et al. Boosting for transfer learning[C]// Machine Learning, Proceedings of the Twenty-Fourth International Conference. 2007:1855 - 1862.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:transfer_learning&diff=486 2016-11-21T07:56:25Z

<p>Suyuhan: /* 相关资料 */</p> <hr /> <div>= 项目名称 =<br /> 广告数据大规模迁移学习<br /> <br /> = 项目介绍 =<br /> 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机器学习模型，来帮助新数据进行训练。这就是迁移学习。本项目基于百度公司网盟广告数据，进行迁移学习。网盟有多个业务线，其中旧业务线数据远远多于新业务线。我们希望利用迁移学习来帮助新业务线数据训练，提高CTR预测准确度。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Zhongming Jin<br /> <br /> Xinghai Sun<br /> <br /> Fen Xia<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 百度网盟数据形式。右下角带熊掌广告logo的即是。<br /> [[File:wangmeng.pngnull]]<br /> <br /> = 项目进展 =<br /> == 2016年4月15日 ==<br /> 调研迁移学习<br /> <br /> == 2016年5月15日 ==<br /> 开始实现算法<br /> <br /> == 2016年6月20日 ==<br /> 做了初步实验，得到一定提高<br /> <br /> == 2016年10月10日 ==<br /> 公司内部开始做更多实验，看是否可以上线。<br /> <br /> = 相关文献 =<br /> [1] Dai W, Yang Q, Xue G R, et al. Boosting for transfer learning[C]// Machine Learning, Proceedings of the Twenty-Fourth International Conference. 2007:1855 - 1862.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=File:Wangmeng.png&diff=485 2016-11-21T07:55:48Z

<p>Suyuhan: MsUpload</p> <hr /> <div>MsUpload</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:transfer_learning&diff=484 2016-11-21T07:53:02Z

<p>Suyuhan: /* 相关链接 */</p> <hr /> <div>= 项目名称 =<br /> 广告数据大规模迁移学习<br /> <br /> = 项目介绍 =<br /> 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机器学习模型，来帮助新数据进行训练。这就是迁移学习。本项目基于百度公司网盟广告数据，进行迁移学习。网盟有多个业务线，其中旧业务线数据远远多于新业务线。我们希望利用迁移学习来帮助新业务线数据训练，提高CTR预测准确度。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Zhongming Jin<br /> <br /> Xinghai Sun<br /> <br /> Fen Xia<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> <br /> <br /> = 项目进展 =<br /> == 2016年4月15日 ==<br /> 调研迁移学习<br /> <br /> == 2016年5月15日 ==<br /> 开始实现算法<br /> <br /> == 2016年6月20日 ==<br /> 做了初步实验，得到一定提高<br /> <br /> == 2016年10月10日 ==<br /> 公司内部开始做更多实验，看是否可以上线。<br /> <br /> = 相关文献 =<br /> [1] Dai W, Yang Q, Xue G R, et al. Boosting for transfer learning[C]// Machine Learning, Proceedings of the Twenty-Fourth International Conference. 2007:1855 - 1862.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:transfer_learning&diff=483 2016-11-21T07:48:53Z

<p>Suyuhan: /* 项目介绍 */</p> <hr /> <div>= 项目名称 =<br /> 广告数据大规模迁移学习<br /> <br /> = 项目介绍 =<br /> 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机器学习模型，来帮助新数据进行训练。这就是迁移学习。本项目基于百度公司网盟广告数据，进行迁移学习。网盟有多个业务线，其中旧业务线数据远远多于新业务线。我们希望利用迁移学习来帮助新业务线数据训练，提高CTR预测准确度。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Zhongming Jin<br /> <br /> Xinghai Sun<br /> <br /> Fen Xia<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> <br /> <br /> = 项目进展 =<br /> == 2016年4月15日 ==<br /> 调研迁移学习<br /> <br /> == 2016年5月15日 ==<br /> 开始实现算法<br /> <br /> == 2016年6月20日 ==<br /> 做了初步实验，得到一定提高<br /> <br /> == 2016年10月10日 ==<br /> 公司内部开始做更多实验，看是否可以上线。<br /> <br /> = 相关链接 =</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:Stock-Prediction&diff=482 2016-11-21T07:44:09Z

<p>Suyuhan: /* 项目介绍 */</p> <hr /> <div>= 项目名称 =<br /> 多数据源股市预测<br /> <br /> = 项目介绍 =<br /> 随着大数据时代的到来，互联网的数据越来越丰富。原本股市预测被认为完全不可能，而现有一些工作[1]表明，利用互联网上的多种大数据，我们可以进行股市预测。本项目中，我们利用五种数据源，包括（1）新浪股吧数据（2）上海证券交易所SSE50指数（3）美国纳斯达克指数（4）人民币美元汇率（5）中国金融新闻等，来预测上海SSE50股指。我们还利用Spark Streaming将项目搭成一套流系统，前往美国拉斯维加斯的InterConnect Conference 2016进行展示。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Ruichuang Cao<br /> <br /> Qing Wang(IBM CRL)<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 我们系统的首页界面如下图。<br /> [[File:stock.png| 600px ]]<br /> <br /> 苏宇晗前往美国展示的照片如下图。<br /> [[File:InterConnect.JPG | 300px ]]<br /> <br /> = 项目进展 =<br /> == 2015年11月15日 ==<br /> 项目开始<br /> <br /> == 2016年2月25日 ==<br /> 前往美国拉斯维加斯IBM InterConnect Conference进行项目展示<br /> <br /> <br /> = 相关文献 =<br /> [1] Bollen J, Mao H, Zeng X. Twitter mood predicts the stock market[J]. Journal of Computational Science, 2010, 2(1):1–8.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:Stock-Prediction&diff=481 2016-11-21T07:43:33Z

<p>Suyuhan: /* 相关链接 */</p> <hr /> <div>= 项目名称 =<br /> 多数据源股市预测<br /> <br /> = 项目介绍 =<br /> 随着大数据时代的到来，互联网的数据越来越丰富。原本股市预测被认为完全不可能，而现有一些工作表明，利用互联网上的多种大数据，我们可以进行股市预测。本项目中，我们利用五种数据源，包括（1）新浪股吧数据（2）上海证券交易所SSE50指数（3）美国纳斯达克指数（4）人民币美元汇率（5）中国金融新闻等，来预测上海SSE50股指。我们还利用Spark Streaming将项目搭成一套流系统，前往美国拉斯维加斯的InterConnect Conference 2016进行展示。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Ruichuang Cao<br /> <br /> Qing Wang(IBM CRL)<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 我们系统的首页界面如下图。<br /> [[File:stock.png| 600px ]]<br /> <br /> 苏宇晗前往美国展示的照片如下图。<br /> [[File:InterConnect.JPG | 300px ]]<br /> <br /> = 项目进展 =<br /> == 2015年11月15日 ==<br /> 项目开始<br /> <br /> == 2016年2月25日 ==<br /> 前往美国拉斯维加斯IBM InterConnect Conference进行项目展示<br /> <br /> <br /> = 相关文献 =<br /> [1] Bollen J, Mao H, Zeng X. Twitter mood predicts the stock market[J]. Journal of Computational Science, 2010, 2(1):1–8.</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:Stock-Prediction&diff=480 2016-11-21T07:42:07Z

<p>Suyuhan: /* 相关资料 */</p> <hr /> <div>= 项目名称 =<br /> 多数据源股市预测<br /> <br /> = 项目介绍 =<br /> 随着大数据时代的到来，互联网的数据越来越丰富。原本股市预测被认为完全不可能，而现有一些工作表明，利用互联网上的多种大数据，我们可以进行股市预测。本项目中，我们利用五种数据源，包括（1）新浪股吧数据（2）上海证券交易所SSE50指数（3）美国纳斯达克指数（4）人民币美元汇率（5）中国金融新闻等，来预测上海SSE50股指。我们还利用Spark Streaming将项目搭成一套流系统，前往美国拉斯维加斯的InterConnect Conference 2016进行展示。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Ruichuang Cao<br /> <br /> Qing Wang(IBM CRL)<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 我们系统的首页界面如下图。<br /> [[File:stock.png| 600px ]]<br /> <br /> 苏宇晗前往美国展示的照片如下图。<br /> [[File:InterConnect.JPG | 300px ]]<br /> <br /> = 项目进展 =<br /> == 2015年11月15日 ==<br /> 项目开始<br /> <br /> == 2016年2月25日 ==<br /> 前往美国拉斯维加斯IBM InterConnect Conference进行项目展示<br /> <br /> <br /> = 相关链接 =</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:Stock-Prediction&diff=479 2016-11-21T07:41:34Z

<p>Suyuhan: /* 相关资料 */</p> <hr /> <div>= 项目名称 =<br /> 多数据源股市预测<br /> <br /> = 项目介绍 =<br /> 随着大数据时代的到来，互联网的数据越来越丰富。原本股市预测被认为完全不可能，而现有一些工作表明，利用互联网上的多种大数据，我们可以进行股市预测。本项目中，我们利用五种数据源，包括（1）新浪股吧数据（2）上海证券交易所SSE50指数（3）美国纳斯达克指数（4）人民币美元汇率（5）中国金融新闻等，来预测上海SSE50股指。我们还利用Spark Streaming将项目搭成一套流系统，前往美国拉斯维加斯的InterConnect Conference 2016进行展示。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Ruichuang Cao<br /> <br /> Qing Wang(IBM CRL)<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 我们系统的首页界面如下图。<br /> [[File:stock.png| 600px ]]<br /> <br /> 苏宇晗前往美国展示的照片如下图。<br /> [[File:InterConnect.JPG | 400px ]]<br /> <br /> = 项目进展 =<br /> == 2015年11月15日 ==<br /> 项目开始<br /> <br /> == 2016年2月25日 ==<br /> 前往美国拉斯维加斯IBM InterConnect Conference进行项目展示<br /> <br /> <br /> = 相关链接 =</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:Stock-Prediction&diff=478 2016-11-21T07:40:35Z

<p>Suyuhan: /* 相关资料 */</p> <hr /> <div>= 项目名称 =<br /> 多数据源股市预测<br /> <br /> = 项目介绍 =<br /> 随着大数据时代的到来，互联网的数据越来越丰富。原本股市预测被认为完全不可能，而现有一些工作表明，利用互联网上的多种大数据，我们可以进行股市预测。本项目中，我们利用五种数据源，包括（1）新浪股吧数据（2）上海证券交易所SSE50指数（3）美国纳斯达克指数（4）人民币美元汇率（5）中国金融新闻等，来预测上海SSE50股指。我们还利用Spark Streaming将项目搭成一套流系统，前往美国拉斯维加斯的InterConnect Conference 2016进行展示。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Ruichuang Cao<br /> <br /> Qing Wang(IBM CRL)<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 我们系统的首页界面如下图。<br /> [[File:stock.png| 600px ]]<br /> <br /> 苏宇晗前往美国展示的照片如下图。<br /> [[File:InterConnect.JPG | 600px ]]<br /> <br /> = 项目进展 =<br /> == 2015年11月15日 ==<br /> 项目开始<br /> <br /> == 2016年2月25日 ==<br /> 前往美国拉斯维加斯IBM InterConnect Conference进行项目展示<br /> <br /> <br /> = 相关链接 =</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:Stock-Prediction&diff=477 2016-11-21T07:39:53Z

<p>Suyuhan: /* 相关资料 */</p> <hr /> <div>= 项目名称 =<br /> 多数据源股市预测<br /> <br /> = 项目介绍 =<br /> 随着大数据时代的到来，互联网的数据越来越丰富。原本股市预测被认为完全不可能，而现有一些工作表明，利用互联网上的多种大数据，我们可以进行股市预测。本项目中，我们利用五种数据源，包括（1）新浪股吧数据（2）上海证券交易所SSE50指数（3）美国纳斯达克指数（4）人民币美元汇率（5）中国金融新闻等，来预测上海SSE50股指。我们还利用Spark Streaming将项目搭成一套流系统，前往美国拉斯维加斯的InterConnect Conference 2016进行展示。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Ruichuang Cao<br /> <br /> Qing Wang(IBM CRL)<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> 我们系统的首页界面如下图。<br /> [[File:stock.png| 600px ]]<br /> <br /> 苏宇晗前往美国展示的照片如下图。<br /> [[File:InterConnect.JPGnull]]<br /> <br /> = 项目进展 =<br /> == 2015年11月15日 ==<br /> 项目开始<br /> <br /> == 2016年2月25日 ==<br /> 前往美国拉斯维加斯IBM InterConnect Conference进行项目展示<br /> <br /> <br /> = 相关链接 =</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=File:InterConnect.JPG&diff=476 2016-11-21T07:39:47Z

<p>Suyuhan: MsUpload</p> <hr /> <div>MsUpload</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:Stock-Prediction&diff=475 2016-11-21T07:37:10Z

<p>Suyuhan: /* 项目介绍 */</p> <hr /> <div>= 项目名称 =<br /> 多数据源股市预测<br /> <br /> = 项目介绍 =<br /> 随着大数据时代的到来，互联网的数据越来越丰富。原本股市预测被认为完全不可能，而现有一些工作表明，利用互联网上的多种大数据，我们可以进行股市预测。本项目中，我们利用五种数据源，包括（1）新浪股吧数据（2）上海证券交易所SSE50指数（3）美国纳斯达克指数（4）人民币美元汇率（5）中国金融新闻等，来预测上海SSE50股指。我们还利用Spark Streaming将项目搭成一套流系统，前往美国拉斯维加斯的InterConnect Conference 2016进行展示。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Ruichuang Cao<br /> <br /> Qing Wang(IBM CRL)<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> [[File:stock.png| 600px ]]<br /> <br /> = 项目进展 =<br /> == 2015年11月15日 ==<br /> 项目开始<br /> <br /> == 2016年2月25日 ==<br /> 前往美国拉斯维加斯IBM InterConnect Conference进行项目展示<br /> <br /> <br /> = 相关链接 =</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects:transfer_learning&diff=456 2016-11-21T05:12:26Z

<p>Suyuhan: Created page with &quot;= 项目名称 = 广告数据大规模迁移学习 = 项目介绍 = 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机...&quot;</p> <hr /> <div>= 项目名称 =<br /> 广告数据大规模迁移学习<br /> <br /> = 项目介绍 =<br /> 互联网公司中，不同业务线的数据量差异很大。我们希望能够利用已训练好的机器学习模型，来帮助新数据进行训练。这就是迁移学习。本项目基于百度公司网盟广告数据，进行迁移学习。<br /> <br /> = 参与人员 =<br /> Yuhan Su<br /> <br /> Zhongming Jin<br /> <br /> Xinghai Sun<br /> <br /> Fen Xia<br /> <br /> Wei Xu<br /> <br /> = 相关资料 =<br /> <br /> <br /> = 项目进展 =<br /> == 2016年4月15日 ==<br /> 调研迁移学习<br /> <br /> == 2016年5月15日 ==<br /> 开始实现算法<br /> <br /> == 2016年6月20日 ==<br /> 做了初步实验，得到一定提高<br /> <br /> == 2016年10月10日 ==<br /> 公司内部开始做更多实验，看是否可以上线。<br /> <br /> = 相关链接 =</div>

Suyuhan http://wiki.iiis.systems:9988/w/index.php?title=Projects&diff=454 2016-11-21T05:06:38Z

<p>Suyuhan: </p> <hr /> <div>* [[Projects:project_test | 项目示例]]<br /> * [[Projects:Owan | 光交换广域网]]<br /> * [[Projects:Optical-DCN | 数据中心光网络]]<br /> * [[Projects:Traffic_Monitoring | 流量监控]]<br /> * [[Projects:Stateless-DCN | 无状态数据中心网络]]<br /> * [[Projects:Stock-Prediction | 多数据源股市预测]]<br /> * [[Projects:CIDS | CIDS:Adapting legacy intrusion detection system to the cloud with hybrid sampling]]<br /> * [[Projects:HadoopBenchmark | 虚拟环境下部署大数据系统框架的调度性能研究]]<br /> * [[Projects:IndoorPositioning | 多人环境下基于WIFI的室内定位]]<br /> * [[Projects:CVTracing | 图像追踪、避障及导航]]<br /> * [[Projects:qa_system | 问答系统]]<br /> * [[Projects:semi_mt | 神经机器翻译的半监督学习]]<br /> * [[Projects:transfer_learning | 广告数据大规模迁移学习]]</div>

Suyuhan