Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

2. Background

verfasst von : João Baúto, Rui Neves, Nuno Horta

Erschienen in: Parallel Genetic Algorithms for Financial Pattern Discovery Using GPUs

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This Chapter presents some fundamental concepts required to fully understand the topics discussed. First, a brief introduction to some concepts related to pattern matching and time series dimensional reduction followed, lastly, by an historical and architectural review of GPUs. Time series analysis is one of the pillar of technical analysis in financial markets. Analysts use variations in a stock’s price and volume of trade in combination with several well known technical indicators and chart patterns to forecast what will be the future price of a stock or speculate at least whether the price will increase or decrease. However, the widespread use of this indicators and patterns may indirectly influence the direction of the market causing it to converge into chart patterns that investors recognize.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Introduction
Nächstes Kapitel State-of-the-Art in Pattern Recognition Techniques
Literatur
1.
D.J. Berndt, J. Clifford, Using dynamic time warping to find patterns in time series, in KDD Workshop (1994), pp. 359–370
2.
E. Keogh, S. Chu, D. Hart, M. Pazzani, Segmenting time series: a survey and novel approach. Data Mining in Time Series Databases (2003), pp. 1–21
3.
4.
J. Lin, E. Keogh, S. Lonardi, B. Chiu, A symbolic representation of time series, with implications for streaming algorithms, in Proceedings of the 8th ACM SIGMOD Workshop on 78 Research Issues in Data Mining and Knowledge Discovery, ser. DMKD 2003. (ACM, New York, NY, USA, 2003), pp. 2–11. https://​doi.​org/​10.​1145/​882082.​882086
5.
6.
B. Lkhagva, Y. Suzuki, K. Kawagoe, Dews2006 4a-i8 extended sax: extension of symbolic aggregate approximation for financial time series data representation (2006)
7.
N. Razali, J. Geraghty, Genetic algorithm performance with different selection strategies in solving tsp. IEEE Micro 31(2), 50–59 (2011)CrossRef
8.
E. Lindholm, J. Nickolls, S. Oberman, J. Montrym, Nvidia tesla: a unified graphics and computing architecture. IEEE Micro. 28(2), 39–55 (2008)
9.
D. Luebke, G. Humphreys, How gpus work. IEEE Comput. Soc. 40(2), 96–100 (2007)CrossRef
10.
C.J. Thompson, S. Hahn, M. Oskin, Using modern graphics architectures for general-purpose computing: a framework and analysis, in Proceedings 35th Annual IEEE/ACM International Symposium on Microarchitecture (2002), pp. 306–317
11.
T.J. Purcell, I. Buck, W.R. Mark, P. Hanrahan, Ray tracing on programmable graphics hardware, in Proceedings of ACM SIGGRAPH 2002 ACM Transactions on Graphics (TOG), vol. 21 (2002), pp. 703–712
12.
M. Rumpf, R. Strzodka, Level set segmentation in graphics hardware, in Proceedings of Image Processing, vol. 3 (2001), pp. 1103–1106
13.
NVIDIA Corporation, Nvidia cuda compute unified device architecture programming guide (2015), ]urlhttps: //docs.nvidia.com/cuda/pdf/CUDA C Programming Guide.pdf. Accessed 15 Nov 2015
14.
15.
16.
C.M. Wittenbrink, E. Kilgariff, A. Prabhu, Fermi gf100 gpu architecture, in Proceedings of the World Congress on Engineering, vol. 2 (2011)
17.
J. Sanders, E. Kandrot, CUDA By Example: An Introduction to General-Purpose GPU Programming. (Addison-Wesley, 2012)
18.
19.
Metadaten
Titel
Background
verfasst von
João Baúto
Rui Neves
Nuno Horta
Copyright-Jahr
2018
Buch
Parallel Genetic Algorithms for Financial Pattern Discovery Using GPUs

Print ISBN: 978-3-319-73328-9

Electronic ISBN: 978-3-319-73329-6

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-73329-6_2

Premium Partner

    Bildnachweise