基于深度學(xué)習(xí)的原理構(gòu)建出六層長(zhǎng)短記憶神經(jīng)網(wǎng)絡(luò),通過(guò)集成學(xué)習(xí)中Bagging方法組合8個(gè)長(zhǎng)短記憶神經(jīng)網(wǎng)絡(luò)。使用基于神經(jīng)網(wǎng)絡(luò)集成學(xué)習(xí)模型預(yù)測(cè)中國(guó)人民幣普通股市場(chǎng)。實(shí)驗(yàn)測(cè)試了從2012年1月4日到2017年12月29日這期間的上海證券綜合指數(shù)、深圳證券綜合指數(shù)、上證50指數(shù)、滬深300指數(shù)、中小企業(yè)板指數(shù)和創(chuàng)業(yè)企業(yè)板指數(shù)。實(shí)驗(yàn)結(jié)果為模型的準(zhǔn)確率達(dá)到58.5%,精確率為58.33%,召回率為73.5%,F1值為64.5%,AUC值為57.67%,取得了較好的預(yù)測(cè)效果。 

【文章來(lái)源】：計(jì)算機(jī)工程與應(yīng)用. 2019,55(08)北大核心CSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

多層長(zhǎng)短記憶神經(jīng)網(wǎng)絡(luò)圖

不同分類器個(gè)數(shù)的F1值得比較圖

【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計(jì)算機(jī)研究與發(fā)展. 2013(09)



本文編號(hào)：3240554