發(fā)布時(shí)間：2023-03-31 07:54

　　利用上證指數(shù)股票歷史數(shù)據(jù)中的開盤價(jià)、收盤價(jià)、最低價(jià)、最高價(jià)、交易量、交易額、跌漲幅等數(shù)據(jù),通過對(duì)股票數(shù)據(jù)進(jìn)行歸一化等預(yù)處理操作后,使用Python語(yǔ)言和PaddlePaddle庫(kù)編寫算法程序,構(gòu)建股票預(yù)測(cè)的LSTM神經(jīng)網(wǎng)絡(luò)模型,對(duì)上證指數(shù)的股票下一日的最高價(jià)股票價(jià)格進(jìn)行分析預(yù)測(cè),預(yù)測(cè)結(jié)果顯示本文所構(gòu)建的基于PaddlePaddle的LSTM神經(jīng)網(wǎng)絡(luò)模型能夠取得較好的預(yù)測(cè)效果,可見基于PaddlePaddle的股票預(yù)測(cè)深度學(xué)習(xí)模型有很好的應(yīng)用前景.

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 PaddlePaddle深度學(xué)習(xí)框架
    1.1 PaddlePaddle特點(diǎn)
    1.2 PaddlePaddle安裝部署
    1.3 PaddlePaddle架構(gòu)
2 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)LSTM
    2.1 LSTM結(jié)構(gòu)分析
    2.2 基于PaddlePaddle的LSTM實(shí)現(xiàn)
        2.2.1 導(dǎo)入引用庫(kù)
        2.2.2 數(shù)據(jù)預(yù)處理
        2.2.3 構(gòu)造數(shù)據(jù)讀取的reader
        2.2.4 搭建模型
        2.2.5 訓(xùn)練模型
3 訓(xùn)練結(jié)果分析
    3.1 訓(xùn)練結(jié)果
    3.2 訓(xùn)練次數(shù)對(duì)訓(xùn)練誤差的影響
4 結(jié)語(yǔ)



本文編號(hào)：3775458