大创中期答辩.ppt_第1页
大创中期答辩.ppt_第2页
大创中期答辩.ppt_第3页
大创中期答辩.ppt_第4页
大创中期答辩.ppt_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

xxxxxxxx研究 理学院 xxxxx 2017 一项目简介 1 课题主要运用神经网络进行沪深300股指的预测 研究内容 2 课题采用遗传算法 GA 粒子群算法 PSO 等来优化神经网络 提高了神经网络的预测效果 3 预计运用深度学习的方法进行预测 二项目进展情况 1 阅读股指波动预测模型方面书籍选择合适的股指预测与实现方法 2 阅读机器学习与神经网络方面的论文及书籍 3 利用网络学习python数据分析及机器学习 4 用python编写多种的神经网络对股指进行预测 并进行误差分析 三阶段性成果 第一阶段利用python实现BP神经网络 利用2015年4月到2017年8月的503组沪深300指数数据进行了处理和拟合 后利用2017年9月的16组数据进行股指的预测 即运用前一天的开盘价 收盘价 最高价 最低价预测当日的收盘价 最终BP神经网络预测平均相对误差为3 226 开盘价 收盘价 最高价 最低价 当日收盘价 三阶段性成果 第二阶段 改进 由于BP神经网络权值和阈值的初始化需要利用随机矩阵 所以它 1 网络的收敛性较慢 需要较长的训练时间 2 容易陷入局部最小值 因此我们可以用具有全局搜索性的遗传算法或粒子群算法作为神经网络的学习算法来训练网络的权值和阈值 三阶段性成果 BP神经网络拟合基本符合股指变化趋势前面的峰值部分拟合不太理想 GA BP神经网络的拟合结果相比于BP神经网络有了很明显的改善 PSO BP神经网络在拐点上拟合结果优于GA BP神经网络 三种神经网络的拟合效果对比图 三阶段性成果 BP神经网络拟合相对误差大致稳定在 0 1 0 1 误差的波动很大 方差很大 拟合结果不太理想 GA BP神经网络的拟合结果误差相比于BP神经网络小了很多相对误差集中在 0 05 0 05 波动比BP神经网络拟合有所改善 PSO BP神经网络相对误差集中在 0 05 0 05 略优于GA BP神经网络 三种神经网络拟合效果相对误差的对比图 三阶段性成果 远优于 略优于 三种神经网络的预测结果 BP神经网络预测平均相对误差为3 226 GA BP神经网络预测平均相对误差为0 239 PSO BP预测平均相对误差为0 233 四存在问题及解决方法 Q1 进行神经网络的参数调试十分困难 学习率 训练次数 隐含层网络的神经元个数 四存在问题及解决方法 四存在问题及解决方法 BP神经网络模型和深度学习模型 BP神经网络中 采用的是误差反向传递的方式进行 根据预测值和实际值的差值去改变前面各层的参数 直至收敛 深度学习是整体的调参
人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论