大创中期答辩.pptxVIP

  1. 1、本文档共13页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大创中期答辩第1页/共13页 一 项目简介1.课题主要运用神经网络进行沪深300股指的预测研究内容2.课题采用遗传算法(GA)、粒子群算法(PSO)等来优化神经网络。提高了神经网络的预测效果。3.预计运用深度学习的方法进行预测第2页/共13页 二 项目进展情况1.阅读股指波动预测模型方面书籍选择合适的股指预测与实现方法2.阅读机器学习与神经网络方面的论文及书籍3.利用网络学习python数据分析及机器学习。4.用python编写多种的神经网络对股指进行预测,并进行误差分析。第3页/共13页 三 阶段性成果第一阶段利用python实现BP神经网络。利用2015年4月到2017年8月的503组沪深300指数数据进行了处理和拟合后利用2017年9月的16组数据进行股指的预测。即运用前一天的开盘价、收盘价、最高价、最低价预测当日的收盘价。最终BP神经网络预测平均相对误差为3.226%。开盘价收盘价最高价最低价当日收盘价第4页/共13页 三 阶段性成果第二阶段(改进)由于BP神经网络权值和阈值的初始化需要利用随机矩阵,所以它:1、网络的收敛性较慢,需要较长的训练时间;2、容易陷入局部最小值。因此我们可以用具有全局有哪些信誉好的足球投注网站性的遗传算法或粒子群算法作为神经网络的学习算法来训练网络的权值和阈值。第5页/共13页 三 阶段性成果BP神经网络GA+BP神经网络PSO+BP神经网络BP神经网络拟合基本符合股指变化趋势前面的峰值部分拟合不太理想GA+BP神经网络的拟合结果相比于BP神经网络有了很明显的改善PSO+BP神经网络在拐点上拟合结果优于GA+BP神经网络三种神经网络的拟合效果对比图第6页/共13页 三 阶段性成果BP神经网络GA+BP神经网络PSO+BP神经网络BP神经网络拟合相对误差大致稳定在[-0.1,0.1]误差的波动很大,方差很大,拟合结果不太理想GA+BP神经网络的拟合结果误差相比于BP神经网络小了很多相对误差集中在[-0.05,0.05]波动比BP神经网络拟合有所改善PSO+BP神经网络相对误差集中在[-0.05,0.05]略优于GA+BP神经网络三种神经网络拟合效果相对误差的对比图第7页/共13页 三 阶段性成果BP神经网络GA+BP神经网络PSO+BP神经网络BP神经网络远优于略优于三种神经网络的预测结果BP神经网络预测平均相对误差为3.226%,GA+BP神经网络预测平均相对误差为0.239%,PSO+BP预测平均相对误差为0.233%。第8页/共13页 四 存在问题及解决方法A1:神经网络的参数调试目前并没有一个特定的规律经过多次调试的经验,才能得到更为精准的预测结果A2:更高效的算法来提高程序的运行效率。如GA,PSO。将训练时间从1h→15minsQ2:训练神经网络所用时间长(权值、阈值)Q1:进行神经网络的参数调试十分困难。(学习率,训练次数,隐含层网络的神经元个数)第9页/共13页 四 存在问题及解决方法1.引进新的激活函数损失函数2.用更多数据以及指标训练(乖离率,成交量,日收益率)A3:如何在现有模型上提高预测的精度?Q3:1.增加网络层数2.尝试运用深度学习(后期研究的重点)A4:如何优化改进现有的神经网络模型?Q4:第10页/共13页 四 存在问题及解决方法BP神经网络模型和深度学习模型BP神经网络中,采用的是误差反向传递的方式进行,根据预测值和实际值的差值去改变前面各层的参数,直至收敛。深度学习是整体的调参方法。原因在于如果采用BP的机制,对于一个多隐层(7层以上),残差传播到最前面的层已经变得很小。第11页/共13页 感谢各位的批评指正!第12页/共13页 感谢观看!第13页/共13页

文档评论(0)

kuailelaifenxian + 关注
官方认证
文档贡献者

该用户很懒,什么也没介绍

认证主体太仓市沙溪镇牛文库商务信息咨询服务部
IP属地上海
统一社会信用代码/组织机构代码
92320585MA1WRHUU8N

1亿VIP精品文档

相关文档