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
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于DAE-BP神经网络的股票预测研究
被引量:
16
1
作者
邓烜堃
万良
黄娜娜
《计算机工程与应用》
CSCD
北大核心
2019年第3期126-132,共7页
股票指标数据种类多、维度高,且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格,首先构建了基于受限布尔兹曼机的深度自编码器,实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低...
股票指标数据种类多、维度高,且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格,首先构建了基于受限布尔兹曼机的深度自编码器,实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型。实验结果表明,深度自编码器提取特征的能力优于主成分分析法和因子分析法;相比较使用降维前的数据,使用编码后的数据用预测股票价格,模型可以减少计算开销,并且获得更高的预测精度。
展开更多
关键词
深度自编码器
受限布尔兹曼机
BP神经网络
股票预测
下载PDF
职称材料
题名
基于DAE-BP神经网络的股票预测研究
被引量:
16
1
作者
邓烜堃
万良
黄娜娜
机构
贵州大学计算机科学与技术学院
贵州大学计算机软件与理论研究所
出处
《计算机工程与应用》
CSCD
北大核心
2019年第3期126-132,共7页
基金
贵州省科学基金(黔科合J字[2011]2328号
黔科合LH字[2014]7634号)
文摘
股票指标数据种类多、维度高,且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格,首先构建了基于受限布尔兹曼机的深度自编码器,实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型。实验结果表明,深度自编码器提取特征的能力优于主成分分析法和因子分析法;相比较使用降维前的数据,使用编码后的数据用预测股票价格,模型可以减少计算开销,并且获得更高的预测精度。
关键词
深度自编码器
受限布尔兹曼机
BP神经网络
股票预测
Keywords
deep autoencoder
restricted Boltzmann machine
BP neural network
stock prediction
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于DAE-BP神经网络的股票预测研究
邓烜堃
万良
黄娜娜
《计算机工程与应用》
CSCD
北大核心
2019
16
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部