基于多尺度层级LSTM网络的时间序列预测分析

现有的深度学习研究都依赖于网络的自发学习能力,在训练过程中力求避免或尽量减少人为先验知识的设定,导致网络训练过程完全“黑盒”,研究人员很难从语义上进行阐述。针对这种情况,文中提出了一种基于原始LSTM网络的改进——多尺度层级LSTM(Multi-Scale Hierarchical Long Short-Term Memory,MSH-LSTM)网络。该网络保留了神经网络的常规实现流程,在网络学习过程中将层级网络结构与人的经验知识有机结合,使网络在人为指引下有目的地训练,不再是完全的“黑盒”,同时对时间序列更好地进行分析预测。为说明MSH-LSTM网络结构的有效性,实验选取了两种时间序列数据(气温、股票),结果表明,相较于ANN网络、LSTM网络及GRU网络,MSH-LSTM网络在保证网络适用性的同时更具分析预测优势。在气温实验中,由于MSH-LSTM与常规LSTM,GRU网络都利用了序列数据的时间因素,因此,它们的效果明显优于ANN;在股票实验中,MSH-LSTM的MAPE误差相对于常规LSTM,GRU,ANN网络分别平均提升了约19.65%,24.35%,46.30%。

基于离散型隐马尔可夫模型的股票价格预测

通过对股票收益率的统计分析,建立离散型隐马尔可夫模型(HMM),从而实现了对股票价格的预测。首先,计算某支股票一段时间内当天收盘价相对于前一天收盘价的收益率,再将其收益率按照等距离离散化,作为HMM的输入;其次,通过Baum-Welch算法训练HMM的参数,然后利用Viterbi算法得出观察序列对应的最优隐状态序列;最后,根据状态转移矩阵和输出概率矩阵求出后一天收益率的概率分布,并通过加权计算得出后一天的收益率,再通过收益率计算出对应的股票价格。实验结果表明:基于离散型的隐马尔可夫模型可以更好地预测未来的股价。

龙岩市“农家乐”旅游现状与发展对策

"农家乐"以农村丰富的农产品资源、田园风光、民俗文化为基础,向游客提供了一种回归自然、亲近自然,体验美好田园生活的游览方式。龙岩"农家乐"旅游起步较晚,但发展迅速,涌现出了一批特色鲜明的"特色村"、"示范点"。但目前依然处于发展的初级阶段,还存在诸多问题,需要通过政府主导,创新管理模式,开辟渠道,提高人员素质,提升旅游文化内涵,扩大对外宣传力度等方式,促进其持续、健康地发展。

龙岩市养生旅游发展现状与对策

中国养生旅游经历了萌芽产生、起步发展、高速推进三个阶段。养生旅游是推动"旅游供给侧改革"的重要一环,龙岩市具备发展养生旅游的良好资源条件,但也存在较多的问题,建议可从推进产业融合、挖掘自身内涵、加强设施建设、明确发展定位、明确人才机制等方面推进养生旅游的深度开发,加快龙岩市旅游转型升级。

红色旅游目的地开发与建设——以古田会议旧址景区为例

全国各地的红色旅游目前处在蓬勃发展的良好时期,古田会议旧址景区作为全国红色旅游的重要旅游目的地、福建红色旅游的龙头,具有较典型的代表性。古田会议旧址景区因其革命历史地位、丰富的旅游资源和景区的大力发展建设,树立了自身的品牌优势,吸引大量游客前往。

浅谈《旅游法》的出台对旅行社服务质量的影响——以龙岩市旅行社为例

《旅游法》的出台对旅行社行业的发展带来了全新的挑战,而服务质量的提升是旅行社应对《旅游法》的必然选择。龙岩市旅行社在经营发展过程当中尤其是服务质量方面存在着产品类型单一、新型网络服务发展缓慢、服务质量缺乏稳定性、导游整体素质偏低等问题。为此,通过深化品质旅游、打破产品组合、重视网络营销服务、稳定导游队伍、加强导游培训等方式成为提升旅行社服务质量的有效途径。