基于ATLG混合模型的股票价格预测

股市是金融市场的重要组成部分,对股票价格预测有着重要的意义.同时,深度学习具有强大的数据处理能力,可以解决金融时间序列的复杂性所带来的问题.对此,本文提出一种结合自注意力机制的混合神经网络模型(ATLG).该模型由长短期记忆网络(LSTM)、门控递归单元(GRU)、自注意力机制构建而成,用于对股票价格的预测.实验结果表明:(1)与LSTM、GRU、RNN-LSTM、RNN-GRU等模型相比, ATLG模型的准确率更高;(2)引入自注意力机制使模型更能聚焦于重要时间点的股票特征信息;(3)通过对比,双层神经网络起到的效果更为明显.(4)通过MACD (moving average convergence and divergence)指标进行回测检验,获得了53%的收益,高于同期沪深300的收益.结果证明了该模型在股票价格预测中的有效性和实用性.

基于Unity3D的虚拟校园漫游系统及其关键技术研究

为扩大招生,学校需要更好展示自身风采的平台,让学生更好地了解校园内部环境,而传统的虚拟校园漫游系统,主要是利用2D动画、照片、图片和文字向用户展示校园环境,系统缺乏互动性、沉浸感和景深效果,无法使用户产生身临其境的感觉。针对以上问题,本文采用3D虚拟现实技术,设计、开发了一个以用户为中心,富娱乐性、交互性和沉浸感的Web访问的交互式漫游系统。