本文首先簡述了神經(jīng)網(wǎng)絡的發(fā)展現(xiàn)狀與應用,接下來重點介紹了文中建模使用的4種神經(jīng)網(wǎng)絡結構DNN,RNN,LSTM和GRU,并將他們組合成DNN+RNN,DNN+LSTM,DNN+GRU形式的神經(jīng)網(wǎng)絡結構,理論上,神經(jīng)網(wǎng)絡經(jīng)過組合應具有更優(yōu)秀的性能.接下來利用美國的蘋果公司,波音公司,美國銀行,谷歌公司大約十年的股票日歷史交易數(shù)據(jù)來驗證神經(jīng)網(wǎng)絡經(jīng)過組合是否真的可以提升模型性能,采用的數(shù)據(jù)的屬性是股票當日的開盤價,最高價,最低價,收盤價,成交量,預測的是第2日的收盤價.實驗開始前對數(shù)據(jù)進行了預處理,設置模型結構和必要的參數(shù).比較神經(jīng)網(wǎng)絡組合前后的模型性能的方式有兩種,分別是模型預測殘差曲線圖和衡量模型性能的定量指標SE,MAE,MSE,MAPE.最終的實驗結果表明,4種單一神經(jīng)網(wǎng)絡的表現(xiàn)比較理想,但是還存在改進的余地,通過在循環(huán)神經(jīng)網(wǎng)絡RNN,LSTM,GRU模型的基礎上添加DNN神經(jīng)網(wǎng)絡結構,可以達到比單獨使用任何一種神經(jīng)網(wǎng)絡更好的預測效果。
【學位單位】：蘭州大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：C81

【相似文獻】

相關期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡拐點預測法[J];金融經(jīng)濟;2017年18期

2 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡的發(fā)展及簡單模型[J];數(shù)字技術與應用;2019年05期

3 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡大會述評[J];國際學術動態(tài);1996年01期

4 吳立可;;脈沖神經(jīng)網(wǎng)絡和行為識別[J];通訊世界;2018年12期

5 林嘉應;鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡的船舶分類模型[J];信息技術與信息化;2019年02期

6 俞頌華;;卷積神經(jīng)網(wǎng)絡的發(fā)展與應用綜述[J];信息通信;2019年02期

7 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡的通用理論建造基石[J];世界科學;2019年04期

8 鮑偉強;陳娟;熊濤;;基于進化神經(jīng)網(wǎng)絡的短期電力負荷預測研究[J];電工技術;2019年11期

9 王麗華;楊秀萍;王皓;高崢翔;;智能雙輪平衡車的設計研究[J];數(shù)字技術與應用;2018年04期

10 張庭略;;基于硬件的神經(jīng)網(wǎng)絡加速[J];通訊世界;2018年08期

相關會議論文 前10條

1 孫軍田;張U

本文編號：2814817