- 年份
- 2024(6711)
- 2023(9824)
- 2022(8307)
- 2021(7778)
- 2020(6541)
- 2019(15388)
- 2018(15211)
- 2017(29888)
- 2016(15702)
- 2015(17611)
- 2014(17058)
- 2013(16376)
- 2012(14530)
- 2011(12672)
- 2010(12275)
- 2009(11038)
- 2008(10394)
- 2007(8567)
- 2006(7086)
- 2005(5815)
- 学科
- 济(64160)
- 经济(64099)
- 管理(49142)
- 业(47305)
- 企(41632)
- 企业(41632)
- 方法(37216)
- 数学(33921)
- 数学方法(33306)
- 财(17323)
- 农(14673)
- 中国(13598)
- 业经(13459)
- 务(12852)
- 财务(12797)
- 财务管理(12774)
- 企业财务(12237)
- 理论(11031)
- 技术(10817)
- 贸(10689)
- 贸易(10684)
- 环境(10665)
- 易(10441)
- 学(10113)
- 制(9998)
- 地方(9869)
- 农业(9600)
- 和(9547)
- 划(9465)
- 融(7973)
- 机构
- 学院(212263)
- 大学(210755)
- 管理(91499)
- 济(86251)
- 经济(84725)
- 理学(81174)
- 理学院(80444)
- 管理学(78729)
- 管理学院(78341)
- 研究(59241)
- 中国(44339)
- 京(41358)
- 财(38558)
- 科学(35649)
- 财经(32504)
- 业大(30665)
- 经(29937)
- 中心(29843)
- 农(28611)
- 江(28387)
- 所(26745)
- 经济学(26464)
- 财经大学(24909)
- 北京(24889)
- 范(24773)
- 研究所(24558)
- 师范(24502)
- 商学(24170)
- 经济管理(24157)
- 经济学院(24144)
- 基金
- 项目(155109)
- 科学(125297)
- 基金(116290)
- 研究(111644)
- 家(100618)
- 国家(99869)
- 科学基金(89302)
- 社会(72677)
- 社会科(69166)
- 社会科学(69146)
- 基金项目(61769)
- 省(60581)
- 自然(59881)
- 自然科(58667)
- 自然科学(58655)
- 自然科学基金(57611)
- 教育(53351)
- 划(50714)
- 资助(47924)
- 编号(44606)
- 部(34583)
- 重点(34421)
- 创(33993)
- 成果(33217)
- 发(31951)
- 创新(31641)
- 教育部(30620)
- 国家社会(30564)
- 科研(30459)
- 人文(30004)
共检索到281194条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 统计与决策
[作者]
薛佳佳
针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,文章提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。将该预测模型运用于股票指数预测,实证结果表明:该模型预测精度高,平均预测误差为0.52%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的使用价值。
[期刊] 南方金融
[作者]
彭望蜀
本文在阐述创新型预测模型理论的基础上,分别利用基于BP神经网络和支持向量机的股票指数预测模型,在小样本的情况下对沪深300指数进行了研究和短期预测。研究结果表明,基于支持向量机的预测模型在预测精度、收敛时间、最优性等方面均优于基于BP神经网络的预测模型。
[期刊] 统计与决策
[作者]
黄洋 鲁海燕 程毕芸 许凯波
针对居民消费价格指数的特点,结合灰色理论和RBF神经网络的优点,利用新信息优先的思想,提出一种基于新维无偏灰色RBF神经网络的居民消费价格指数预测模型。首先对原始数据进行对数变换,提高数据的光滑度;然后建立无偏灰色预测模型,利用预测数据对原始数据进行等维更新;最后建立无偏灰色模型,并利用预测数据对RBF神经网络进行训练。通过对我国居民价格消费指数数据进行建模分析和实验,结果表明,文章提出的新维无偏灰色RBF神经网络预测模型比无偏灰色模型以及无偏灰色RBF神经网络模型的预测结果的相对误差小,且模型的预测精度更高。
[期刊] 商业研究
[作者]
方勇 孙绍荣
在运用神经网络模型对股票价格进行短期预测时,一般的神经网络预测模型都是以价格的时间序列滞后作为输入变量,但是由于影响价格的因素错综复杂,很多因素无法准确测量,而且市场信息的噪音太大,因此预测效果往往不太理想,于是如何选择有效的输入变量就成为一个困扰这项研究的难题。
[期刊] 统计与决策
[作者]
赵海华
针对财政收入及其影响因素原始数据呈随机性、非线性变化,两者之间具有非线性相关关系的特点,文章在分析RBF神经网络和无偏GM(1,1)模型两者建模优点的基础上,结合回归分析思想,提出了基于灰色RBF神经网络的多因素财政收入预测模型;并以安徽省财政收入数据作为检验样本对所建模型进行检验。
[期刊] 统计与决策
[作者]
郝勇 刘继洲
本文运用BP人工神经网络,在MATLAB平台上,进行公用事业指数波动规律的预测和分析,能利用公用事业指数前三天的收盘价,预测第四天的收盘价,并且预测值达到一定精度。
关键词：
分类指数 神经网络 MATLAB 预测
[期刊] 统计研究
[作者]
杨青 王晨蔚
作为深度学习技术的经典模型之一,长短期记忆(LSTM)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层LSTM神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①LSTM神经网络具有很强的泛化能力,对全部指数不同期限的预测效果均很稳定;②相比三种对照模型(SVR、MLP和ARIMA),LSTM神经网络具有优秀的预测精度,其对全部指数的平均预测精度在不同期限上均有提升;③LSTM神经网络能够有效控制误差波动,相比三种对照模型,其对全部指数的平均预测稳定度在不同期限上亦均有提高。鉴于LSTM神经网络在预测精度和稳定度两方面的优势,其未来在金融预测等方向将有广阔的应用前景。
关键词：
LSTM神经网络 深度学习 股票指数预测
[期刊] 沈阳农业大学学报
[作者]
王慧
提出一种基于灰色理论BP神经网络的网络入侵预测方法。针对传统的预测方法难以高效预测大规模网络的复杂攻击行为,利用基于灰色理论的BP神经网络算法,对网络传输中的数据包建立模型、分析和检测识别,结果表明了改进后的入侵预测模型具有更好的预测精确度和效率。
关键词：
BP神经网络 灰色理论 预测
[期刊] 统计与决策
[作者]
陆明希 严广乐
为了提高居民消费价格指数的预测精度,对于呈近似S形的CPI时间序列,利用灰色Verhulst模型对其预测。构造基于时间序列的人工神经网络输入输出模式,利用BP神经网络对原始数据与灰色Verhulst预测值的残差进行训练。仿真实例表明,该组合算法预测结果比单纯使用GM(1,1)模型、灰色Verhulst模型和文献[1]的总体误差要小,将神经网络引入到灰色Verhulst模型中能较好地提高预测精度。
[期刊] 沈阳农业大学学报
[作者]
李晓辉 杨勇 杨洪伟
为了提高降水量预测的精度,采用BP神经网络与灰色模型相结合干旱预测的理论方法,研究数据的灰色建模与预测,再对模拟值与真值残差进行BP网络建模,利用残差模拟值修正总体降水量预测值,并对朝阳地区降水量进行预测。研究结果表明:BP神经网络与灰色模型预测相结合降水量平均预测误差为0.0799,比单纯用灰色模型预测误差降低0.1311,说明BP神经网络与灰色模型相结合的预测方法适合朝阳地区降水量的预测。
关键词：
BP神经网路 灰色模型 干旱预测
[期刊] 商业研究
[作者]
马明 李松
为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。
[期刊] 技术经济与管理研究
[作者]
顾忠伟 邵雷 李春颖
本文将灰色关联和神经网络结合,构建基于灰色关联分析的神经网络模型,并将此模型在股指预测中做实证研究。
关键词：
灰色关联 神经网络 股指预测
[期刊] 金融理论与实践
[作者]
武宁
本文研究结果显示,股指期货和现货存在长期均衡关系,期指的当期波动对股指的当期波动有显著性影响;股指期货与现货之间还构成了单边因果关系,股指期货是现货的因,而现货不是股指期货的因;现货的波动对股指期货的冲击不大,而股指期货的波动则对现货的冲击很大。
[期刊] 运筹与管理
[作者]
乔若羽
针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism)给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基于神经网络的股票预测模型给出具体的优化方向。
关键词：
股票预测 深度学习 神经网络 注意力机制
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
