系统科学与数学
繫統科學與數學
계통과학여수학
JOURNAL OF SYSTEMS SCIENCE AND MATHEMATICAL SCIENCES
2011年
3期
346-353
,共8页
遗传算法%神经网络%股票%商品%价格预测
遺傳算法%神經網絡%股票%商品%價格預測
유전산법%신경망락%고표%상품%개격예측
对比了三种不同神经网络模型的生成方式:传统神经网络生成模型,遗传算法训练神经网络模型,以及在第二种方式训练参数的基础上,再使用传统神经网络优化生成模型.论文使用上述三种方法对代表性股票和商品价格进行拟合并预测,通过预测结果准确性和稳定性的比较发现:引入遗传算法后的神经网络在样本内的拟合误差有所降低,而第三种方法在样本外有最低的预测误差和最优稳定性.
對比瞭三種不同神經網絡模型的生成方式:傳統神經網絡生成模型,遺傳算法訓練神經網絡模型,以及在第二種方式訓練參數的基礎上,再使用傳統神經網絡優化生成模型.論文使用上述三種方法對代錶性股票和商品價格進行擬閤併預測,通過預測結果準確性和穩定性的比較髮現:引入遺傳算法後的神經網絡在樣本內的擬閤誤差有所降低,而第三種方法在樣本外有最低的預測誤差和最優穩定性.
대비료삼충불동신경망락모형적생성방식:전통신경망락생성모형,유전산법훈련신경망락모형,이급재제이충방식훈련삼수적기출상,재사용전통신경망락우화생성모형.논문사용상술삼충방법대대표성고표화상품개격진행의합병예측,통과예측결과준학성화은정성적비교발현:인입유전산법후적신경망락재양본내적의합오차유소강저,이제삼충방법재양본외유최저적예측오차화최우은정성.
