基于LSTM的股票价格预测分析

本文主要对股票预测的方式进行改进,使预测结果更接近真实数据。以往的股票价格预测研究大多简单地将股票价格作为序列数据,通过模型进行训练预测,或者只是通过分析新闻文本、股民评论的情感倾向预测股票价格的涨跌,这都不能全面地对股票价格进行考量。本文通过参考影响股票实际价格的多种因素,对股票价格预测结果展开研究。本研究提出新的模型M,该模型结合了时间序列预测以及文本情感分析两种方法,采用的均为LSTM的拓展模型,分别是DA-RNN、BiLSTM-Attention。一方面,通过分析对比XGBoost、LSTM与DA-RNN的实验结果验证了DA-RNN在时序预测实验中的有效性;另一方面,采用BiLSTM-Attention模型作为调整股票预测值的主要方法,使预测结果更加具备可解释性。本研究通过改进的股票价格预测模型M来进行股票价格的预测。实验结果表明,在海康威视股票数据集中,当文本情感倾向的权重值设置为0.01时,MAE、RMSE值均达到最小,即预测效果最好。

一种用于射电天文图像重建的自适应尺度算法

为了解决在成像过程中反卷积点扩展函数所带来的模糊效应,提出一种新的图像重建算法.新算法利用高斯函数分解模型,能够有效解决基于Delta函数分解模型所引起的问题,并在重建延展源和致密源方面具备更好的效果.通过VLA模拟观测数据对算法进行测试,并与现有的2类图像重建算法进行比较,结果表明,新算法能够有效平衡现有的反卷积算法的计算复杂度和性能问题,能对图像进行更加精确建模,具有更好的图像重建性能.

数学“问题”设置刍议

"问题是接生婆,它能帮助新的思想诞生".科学地设置问题,适度地处理好问题材料,能使学生在教师的教学中增强学习的主动性、内在动机,从而获得积极愉快的情感体验,和培养学习数学的能力.

贴近实际 促进有效学习

针对小学数学课堂教学中出现的没有把促进学生的发展落到实处的现象，存在形式化、低效化的问题，作者就数学课堂教学如何创设真实教学情境、联系学生生活实际、动手操作体验进行了阐述。文章说明贴近实际的教学有利于激发学生数学兴趣，启发学生学习动机，调动学习积极性，体验学习数学乐趣，从而促进有效学习，提高课堂教学效益。

基于人工智能技术的线上教学改革思路浅析

建设教育强国是中华民族伟大复兴的基础工程。教育公平和教育个性化发展一直是教学改革关注的重点问题。目前人工智能技术已大量应用于教育领域,线上教育引起了社会各界广泛关注。本文在分析线上教学状况的基础上,对基于人工智能技术的线上教育做出研究,对其在教育公平、教育个性化以及教育效果方面提出新的改革思路。

基于大数据技术的个性化教育教学改革探索

大数据时代的来临使得教育教学改革中的个性化教育成为可能,其相关技术的发展将促使个性化教育进程的思路和形式的转变。然而目前结合个性化教育与大数据技术的相关研究却存在空缺。本文基于大数据技术对个性化教育进行探讨,通过分析目前学校推行个性化教育所面临的难题,提出新的教改思路和解决路径。

射电天文图像重建算法研究综述

由于射电望远镜采样不完备,导致观测到的天文图像质量下降,影响天文与天体物理研究。为了得到质量更好的天体图像,图像重建算法成为射电天文领域具有研究价值的方向。本文综述了射电天文成像重建领域应用广泛的算法。对Högbom CLEAN算法、Cornwell提出的多尺度CLEAN算法和最大熵算法进行具体的分析研究,并分别将其应用于射电成像的重建;通过对比这些算法在成像中的实现结果,提出领域内亟待解决的问题与挑战。

基于LSTM和新闻情感的股票价格预测方法

股票预测研究对于经济发展具有重要意义,也是困扰投资者的难题。本文提出了一种基于LSTM和新闻股票情感分析的组合优化模型SVM_LSTM。首先将XGBoost和利用交叉验证优化的LSTM应用于预测中国银行、中国联通以及浦发银行的每日收盘价上,通过对比二者的性能,选择较优的LSTM对中国银行股票历史价格进行最终的时序预测;然后,使用SVM对中国银行的股票新闻进行情感倾向预测;最后,采用加权的方式将SVM的预测结果与LSTM的预测的结果进行融合。实验结果表明:第一,利用交叉验证优化的LSTM较XGBoost具有更优的评价指标,针对中国银行数据集,其RSEM、MAE、MSE比XGBoost分别减少了0.234、0.173、0.011;第二,采用加权的方式将SVM_LSTM的预测结果调和,实验结果较原LSTM而言,评价指标RSEM、MAE、MSE分别减少了7.5%、6.4%、10.8%。