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

我们的研究重点在于比较不同的长短期记忆神经网络（LSTM）架构和专门用于外汇市场预测的人工神经网络（ANN）架构之间的性能和资源需求。我们分析了模型的执行时间以及消耗的资源，如内存和计算能力。我们的目的是展示，与LSTM架构相比，专门的架构不仅在外汇市场预测方面取得更好的结果，而且使用的资源更少，执行时间更短。这种比较分析将为了解这两种类型的架构在外汇市场环境中进行时间序列预测的适用性提供重要见解。

比较LSTM神经网络和专门用于外汇市场预测的ANN架构在性能和资源需求方面的差异。

专门的ANN架构在外汇市场预测方面不仅能够获得更好的结果，而且使用的资源更少，执行时间更短。

实验分析了模型的执行时间和资源消耗，并使用了外汇市场的时间序列数据集。研究表明，专门的ANN架构比LSTM神经网络更适合外汇市场预测，并且具有更好的性能和更低的资源需求。

最近的相关研究包括使用深度学习进行时间序列预测的研究，如《Deep Learning for Time Series Forecasting: A Survey》和《Deep Learning Models for Multivariate Time Series Forecasting: A Survey》。