【用BP神经网络预测股票市场的涨跌】陈维强.pdf

提要 BP网络是当前应用最广泛的一种人工神经网络。它的结构简单,工作妆态稳定,易于硬件实现。由于隐层及非线性活化函数的引入,使其能够完成利当复杂的模式分类任务。而股票市场的走势预测正是这样一个问题,尽管一些数理统计模型在这方面已经得到了应用,但结果却不能令人满意.本文利用BP网络较好的非线性分类能力,结合国内股票市场的特性,对于沪市综合指数涨跌的预测,进行了初步的探索和讨论。通过对沪市综合指数各项指标的研究,考虑短期因素的影响兼顾长期因素的平衡作用,我们有选择地确立了网终的输入向量并进行了规范化处理。

目第一章前言第二章文献综述 S2神经网络的起源和发展 S2BP网络结构及算法简介 S2多层前馈式神经网络(MLP)的逼近能力 S2神经网络在股市预测中的应用第三章用BP网络预测沪市综合指数的走势 .3样本与权的规范化处理 3选定适当的学习参数 .3关于隐层的讨论及隐单元数目的确定 S3由不同能量函数导出的更新规则的对比 S3关于活化函数的讨论和选择 .3提高网络推广能力的一些方法的尝试 .3.

改权矩阵的过程。不同的权矩阵调整方式代表了不同的学习方式.神经元互联构成神经网络后,网络的神经元的学习不再是独立的,而是统一和整体的。神经网络的学习和神经网络的结构没有一一对应的关系。不同结构的神经网络可以采用相同的或类似的学习算法进行训练,同一神经网络也可以采用不同的学习算法进行训练.神经网络发展到今天,虽然已产生了数十种模型,但已有的网络模型大致可以分为三类:即前馈网络(FeedforwardNNs)、反馈网络(FeedbackNNs)和自组织网络(Self-organizingNNs)而BP算法是前馈网络最重要,应用最普遍的学习算法。