计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2005年
11期
241-242,246
,共3页
神经网络%正交多项式%时间序列%预测%股票
神經網絡%正交多項式%時間序列%預測%股票
신경망락%정교다항식%시간서렬%예측%고표
基于多项式逼近理论,将一组Legender正交多项式做为隐含层神经元的传递函数,再以其加权和函数做为神经网络输出,从而构成一种新型的三层多输入Legender神经网络模型;采用BP学习算法,通过对历史观测样本数据的训练,调整该神经网络的权值,建立非线性时间序列辨识模型,以此预测股票价格的变化.仿真实验表明,Legender神经网络具有优良的逼近任意非线性系统的特性,且学习收敛速度很快;深发展A股预测结果为:训练次数200,最大相对误差5.41%;深证成指预测结果为:训练次数120,最大相对误差4.17%.
基于多項式逼近理論,將一組Legender正交多項式做為隱含層神經元的傳遞函數,再以其加權和函數做為神經網絡輸齣,從而構成一種新型的三層多輸入Legender神經網絡模型;採用BP學習算法,通過對歷史觀測樣本數據的訓練,調整該神經網絡的權值,建立非線性時間序列辨識模型,以此預測股票價格的變化.倣真實驗錶明,Legender神經網絡具有優良的逼近任意非線性繫統的特性,且學習收斂速度很快;深髮展A股預測結果為:訓練次數200,最大相對誤差5.41%;深證成指預測結果為:訓練次數120,最大相對誤差4.17%.
기우다항식핍근이론,장일조Legender정교다항식주위은함층신경원적전체함수,재이기가권화함수주위신경망락수출,종이구성일충신형적삼층다수입Legender신경망락모형;채용BP학습산법,통과대역사관측양본수거적훈련,조정해신경망락적권치,건립비선성시간서렬변식모형,이차예측고표개격적변화.방진실험표명,Legender신경망락구유우량적핍근임의비선성계통적특성,차학습수렴속도흔쾌;심발전A고예측결과위:훈련차수200,최대상대오차5.41%;심증성지예측결과위:훈련차수120,최대상대오차4.17%.
