10.3969/j.issn.1000-386x.2017.03.039
基于栈式自编码器模型的汇率时间序列预测
针对目前具有非线性特征的金融时间序列浅层模型预测精度有限的问题,提出一种由底层的栈式自编码器和顶层的回归神经元组成的栈式自编码神经网络预测模型.首先利用自编码器的无监督学习机制对时间序列进行特征识别与学习,逐层贪婪学习神经网络各层,之后将栈式自编码器扩展为有监督机制的SAEP模型,将SAE学习到的参数用于初始化神经网络,最后利用有监督学习对权值进行微调.实验设计利用汇率时间序列作为训练及测试样本,与目前较成熟的方法进行对比实验,验证了所提出的模型在汇率时序预测应用中的有效性.
时间序列、预测、深度学习、栈式自编码器、特征学习、深度神经网络
34
TP391;TP183(计算技术、计算机技术)
重庆市教委科技基金项目KJ1400612;重庆工商大学研究生院"创新型科研项目"yjscxx2015-41-21
2017-05-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
218-221,247