基于大数据背景下的多层神经网络股票预测模型

随着互联网以及股票市场的不断发展,产生了蕴含丰富信息的海量股票数据。由于大数据技术不断普及,处理海量股票数据逐渐变得可能。本文通过对海量的历史数据进行研究,利用智能算法建立多层神经网络对数据进行处理。首先运用小波分析技术将股票价格波动曲线分解为低频部分和高频部分,其次分别利用Elman和BP神经网络进行训练,最后进行小波重构得出股票价格预测值。研究结果表明:通过改进,将预测结果与实际值进行对比,均方误差MSE=6.4495′10^(-6),模型预测精度较好。

校园快递互助平台的设计和实现

针对目前大多数高校快递暴露出取快递路程远、排队时间长和代取范围小等问题,设计了一种新型的高校"最后一公里"快递代取模式,基于微信公众平台和B/S结构,利用Spring MVC框架和Java Web技术实现了一个集包裹发布,快递跟踪,包裹接取,信誉评分,微信支付,智能推荐等功能于一体,同时涵盖整个运营团队后台管理系统的校园快递互助平台。主要目的是解决了高校学生无暇取件,节省了等待时间以及扩大了代取范围,同时提供给贫困学生兼职的机会,从而减轻家庭负担。