通过组合对神经网络进行改进的效果分析

发布时间：2020-09-09 09:50

　　 本文首先简述了神经网络的发展现状与应用,接下来重点介绍了文中建模使用的4种神经网络结构DNN,RNN,LSTM和GRU,并将他们组合成DNN+RNN,DNN+LSTM,DNN+GRU形式的神经网络结构,理论上,神经网络经过组合应具有更优秀的性能.接下来利用美国的苹果公司,波音公司,美国银行,谷歌公司大约十年的股票日历史交易数据来验证神经网络经过组合是否真的可以提升模型性能,采用的数据的属性是股票当日的开盘价,最高价,最低价,收盘价,成交量,预测的是第2日的收盘价.实验开始前对数据进行了预处理,设置模型结构和必要的参数.比较神经网络组合前后的模型性能的方式有两种,分别是模型预测残差曲线图和衡量模型性能的定量指标SE,MAE,MSE,MAPE.最终的实验结果表明,4种单一神经网络的表现比较理想,但是还存在改进的余地,通过在循环神经网络RNN,LSTM,GRU模型的基础上添加DNN神经网络结构,可以达到比单独使用任何一种神经网络更好的预测效果。
【学位单位】：兰州大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：C81

【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 陈晓燕;;浅析简单神经网络的发展及简单模型[J];数字技术与应用;2019年05期

3 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

4 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

5 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期

6 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期

7 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期

8 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期

9 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期

10 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期

相关会议论文 前10条

1 孙军田;张U

本文编号：2814817