發(fā)布時間：2021-03-25 15:32

　　BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)在金融趨勢預(yù)測上得到了廣泛的應(yīng)用,其通過反向傳播誤差來調(diào)整模型的權(quán)重與偏值,能夠較強的適應(yīng)金融的走向趨勢.但是由于金融趨勢的周期性變化多端,不同周期下對預(yù)測值的影響不一,傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)在金融趨勢預(yù)測上存在一定的局限性.本文充分考慮金融趨勢周期粒度這一特性,提出了基于粒計算思維的BP神經(jīng)網(wǎng)絡(luò)（Back Propagation on Granular Computing,BPGC）. BPGC算法首先對數(shù)據(jù)集進行不同粒度劃分、構(gòu)造粒度矩陣,然后根據(jù)粒度矩陣進行BP訓練得出各粒度下的權(quán)值,最后對各粒度的預(yù)測結(jié)果進行加權(quán)平均,得出預(yù)測結(jié)果.在浦發(fā)銀行股票收盤價數(shù)據(jù)集上進行實驗,與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)進行比對,實驗結(jié)果驗證了BPGC算法的有效性. 

【文章來源】：小型微型計算機系統(tǒng). 2019,40(03)北大核心CSCD

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 相關(guān)工作
    2.1 BP神經(jīng)網(wǎng)絡(luò)及歸一化改進
    2.2 粒計算思維下的粒度概念
3 粒計算思維下的BP神經(jīng)網(wǎng)絡(luò)
    3.1 粒度矩陣構(gòu)造及預(yù)處理
    3.2 預(yù)測值誤差及權(quán)值處理
    3.3 BPGC算法模型
4 實驗與結(jié)果分析
    4.1 實驗設(shè)置
    4.2 實驗結(jié)果分析
5 總結(jié)


【參考文獻】：
期刊論文
[1]一種基于模塊化神經(jīng)網(wǎng)絡(luò)的場強預(yù)測方法[J]. 楊晉生,李亞洲.  小型微型計算機系統(tǒng). 2017(11)
[2]基于改進粒子群優(yōu)化算法的BP預(yù)測模型[J]. 王行甫,陳宏亮.  計算機系統(tǒng)應(yīng)用. 2014(04)
[3]金融時間序列模糊邊界預(yù)測研究[J]. 桂斌,黃立冬,周杰,楊小平.  小型微型計算機系統(tǒng). 2012(10)
[4]粒計算研究綜述[J]. 王國胤,張清華,胡軍.  智能系統(tǒng)學報. 2007(06)

碩士論文
[1]基于優(yōu)化BP神經(jīng)網(wǎng)絡(luò)和粒計算的股指預(yù)測研究[D]. 張翔宇.南京大學 2012



本文編號：3099908