期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
基于迁移学习的卷积神经网络的金融指数预测
被引量:
2
下载PDF
职称材料
导出
摘要
本文研究基于迁移学习的卷积神经网络对互联网金融指数的预测,同传统的金融指数相比,互联网金融指数起步较晚,数据量较少,因此借助于cnn算法模型对互联网金融指数的预测不如传统金融金融指数高,为了解决这一个问题引入迁移学习,在cnn预测模型的基础上进行迁移,实验结果表明预测结果值和真实值的误差下降,预测结果更准确。
作者
李子玥
曲英伟
机构地区
大连交通大学软件工程学院
出处
《电子技术与软件工程》
2022年第3期9-12,共4页
ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
关键词
卷积神经网络
迁移学习
CNN
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
F831.51 [经济管理—金融学]
引文网络
相关文献
节点文献
二级参考文献
26
参考文献
7
共引文献
70
同被引文献
13
引证文献
2
二级引证文献
0
参考文献
7
1
敬灏.
中国互联网金融发展现状[J]
.中外企业家,2017(2Z).
被引量:2
2
洪建设.
互联网金融研究综述[J]
.兰州教育学院学报,2018,34(5):71-73.
被引量:3
3
刘鑫鹏,栾悉道,谢毓湘,黄明哲.
迁移学习研究和算法综述[J]
.长沙大学学报,2018,32(5):28-31.
被引量:38
4
王惠.
迁移学习研究综述[J]
.电脑知识与技术(过刊),2017,23(11X):203-205.
被引量:19
5
杨子文,陈蕾,浦建宇.
基于两层迁移卷积神经网络的抽象图像情感识别[J]
.中国科学技术大学学报,2019,49(1):40-48.
被引量:7
6
白洁,张金松,刘倩宇.
基于卷积网络特征迁移的小样本物体图像识别[J]
.计算机仿真,2020,37(5):311-316.
被引量:7
7
谢飞,潘北啸.
基于迁移学习的LSTM互联网金融指数高精度预测方法[J]
.西南民族大学学报(人文社会科学版),2020,41(7):129-134.
被引量:4
二级参考文献
26
1
陈一稀.
互联网金融的概念、现状与发展建议[J]
.金融发展评论,2013(12):126-131.
被引量:75
2
曹飞燕.
互联网金融时代商业银行变革方向[J]
.新金融,2013(11):42-45.
被引量:27
3
谢清河.
我国互联网金融发展问题研究[J]
.经济研究参考,2013(49):29-36.
被引量:154
4
周宇.
互联网金融:一场划时代的金融变革[J]
.探索与争鸣,2013(9):67-71.
被引量:152
5
邱冬阳,肖瑶.
互联网金融本质的理性思考[J]
.新金融,2014(3):19-22.
被引量:25
6
罗明雄.
互联网金融六大模式解析[J]
.高科技与产业化,2014,20(3):56-59.
被引量:31
7
王念,王海军,赵立昌.
互联网金融的概念、基础与模式之辨——基于中国的实践[J]
.南方金融,2014(4):4-11.
被引量:60
8
杜懿.
中美“余额宝”对比及启示[J]
.对外经贸,2014(9):100-103.
被引量:3
9
庄福振,罗平,何清,史忠植.
迁移学习研究进展[J]
.软件学报,2015,26(1):26-39.
被引量:466
10
孙国茂.
互联网金融:本质、现状与趋势[J]
.理论学刊,2015(3):44-57.
被引量:71
共引文献
70
1
杨顺辉,郭珍珍,张洪宝,高明亮.
基于集成迁移学习的机械钻速预测[J]
.计算机系统应用,2022,31(10):270-278.
被引量:4
2
吴静,宋燕.
融合迁移学习和神经网络的潜在因子模型[J]
.智能计算机与应用,2022,12(6):20-27.
3
杨松,刘佳欣,潘建达.
基于融合特征和迁移学习的艺术图像情感识别研究[J]
.智能计算机与应用,2022,12(1):146-154.
4
邢恩旭,吴小勇,李雅娴.
基于迁移学习的双层生成式对抗网络[J]
.计算机工程与应用,2019,55(15):38-46.
被引量:5
5
吴菲,雷鸣.
基于残差网络的智能轻微交通事故处理系统设计[J]
.软件,2019,40(7):185-191.
被引量:1
6
程年,俞晨,宁静艳.
基于深度学习网络的乳腺癌图片分类研究[J]
.软件导刊,2019,18(8):26-28.
被引量:6
7
刘嘉政.
基于深度迁移学习模型的花卉种类识别[J]
.江苏农业科学,2019,47(20):231-236.
被引量:14
8
吴建斌,康子阳,刘逸雯,閤双奎,吴建平.
基于图像分类的无载体信息隐藏方法[J]
.湖南大学学报(自然科学版),2019,46(12):25-32.
被引量:4
9
周俊,陈剑云.
基于DSSD的接触网鸟窝识别检测研究[J]
.华东交通大学学报,2019,36(6):70-78.
被引量:7
10
王凯,李元辉.
迁移学习在机械设备预测性维护领域的应用综述[J]
.中国仪器仪表,2019,0(12):64-68.
被引量:6
同被引文献
13
1
戴璞.
机器学习算法在金融行业中的应用[J]
.时代金融,2020(11):103-104.
被引量:1
2
冯希金,危银涛,项大兵,范成建.
基于MLE的滚动轮胎冲击振动噪声仿真分析[J]
.噪声与振动控制,2015,35(4):20-24.
被引量:5
3
项大兵,危银涛,冯希金.
花纹结构对轮胎滚动噪声影响的研究[J]
.汽车工程,2016,38(6):754-760.
被引量:4
4
苏博.
全球轮胎标签制度现状[J]
.橡胶科技,2017,15(4):5-10.
被引量:14
5
王重仁,韩冬梅.
基于卷积神经网络的互联网金融信用风险预测研究[J]
.微型机与应用,2017,36(24):44-46.
被引量:14
6
杨子文,陈蕾,浦建宇.
基于两层迁移卷积神经网络的抽象图像情感识别[J]
.中国科学技术大学学报,2019,49(1):40-48.
被引量:7
7
项大兵,张春生,王红彦,侯丹丹.
基于深度学习的轮胎花纹噪声预报方法研究[J]
.轮胎工业,2019,39(8):503-506.
被引量:2
8
Jian Huang,Junyi Chai,Stella Cho.
Deep learning in finance and banking:A literature review and classification[J]
.Frontiers of Business Research in China,2020,14(2):121-144.
被引量:2
9
承友昕.
港口轮胎花纹沟底裂解决方案研究[J]
.轮胎工业,2021,41(5):295-298.
被引量:2
10
王国林,吴靓璇.
三聚氰胺多孔吸声材料属性对轮胎空腔共振噪声的影响[J]
.橡胶工业,2022,69(6):422-429.
被引量:4
引证文献
2
1
赵志东,周子圆.
数据挖掘技术在城市商业银行领域的应用思路探析[J]
.金融科技时代,2024,32(2):30-36.
2
李志伟,苏宇,张舜,王青春.
基于卷积神经网络的轮胎花纹噪声值预测[J]
.轮胎工业,2023,43(12):756-761.
1
“信”书推介[J]
.中国信用,2022(2):125-125.
2
邹安宇.
高强螺栓可以焊接和镀锌吗?[J]
.钢结构(中英文),2021,36(12):73-73.
3
杨粉琴.
以“问”导学以“问”促“学”——浅谈问题导学教学法在初中数学教学中的运用[J]
.读好书,2021(11):173-174.
4
刘阳.
基于GIS技术的城市排水管网系统应用研究[J]
.信息记录材料,2022,23(1):192-195.
被引量:2
5
宫亚红.
财务管理课程中案例教学的构建与应用[J]
.陕西教育(高教版),2022(3):30-31.
6
杨森,张厚庆.
大型军用红外成像模拟器辐射校准方法研究[J]
.光学学报,2021,41(24):85-89.
被引量:2
7
谷翠梅,李爱玲,王丽婷,闫艺芳,高志越.
思政元素融入数学建模的教学探讨[J]
.河北北方学院学报(自然科学版),2022,38(3):61-63.
8
司钰,孙英隽.
互联网时代下消费金融对经济增长的效应研究[J]
.生产力研究,2022(2):141-145.
被引量:3
9
苏比努尔·艾依来提,南新元,石跃飞,杨天伟.
基于改进胶囊网络模型的小样本图像识别[J]
.现代电子技术,2022,45(5):49-55.
被引量:1
10
杨蓉.
浅谈融资租赁公司资金管理风险及应对[J]
.商情,2022(10):34-36.
被引量:1
电子技术与软件工程
2022年 第3期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部