10.3969/j.issn.1000-386x.2018.06.049
基于TensorFlow进行股票预测的深度学习模型的设计与实现
基于谷歌人工智能学习系统TensorFlow,构建多层感知器MLP(Multi-layer Perceptron)神经网络模型,用于预测每日收盘股价.将苹果公司的每日开盘股价作为数据集输入到神经网络,收盘价格作为神经网络学习的样本,并在训练过程中不断调整权值和阈值及网络结构,最终得到具有较高预测精度的神经网络模型.并就股价预测问题将TensorFlow与传统BP(Back Propagation)神经网络进行性能对比:(1)TensorFlow所构建的神经网络的均方误差RMSE(Root Mean Square Error) =0.624 5,而BP神经网络的RMSE=0.894 2,显示出TensorFlow具有更好的预测准确度;(2)同样的学习样本数量,TensorFlow的预测耗时=1.221 s而BP神经网络的预测耗时=2.483 s,TensorFlow在分析效率及收敛速度上更有优势;(3)TensorFlow具有更友好的编程接口支持.证明了TensorFlow具有加快神经网络建模以及编程速度,提高数据分析效率的作用.通过对TensorFlow的开发流程的介绍,为进一步使用TensorFlow构建复杂的神经网络并进行数据分析提供了依据.
TensorFlow、人工智能、数据分析、MLP、股价预测
35
TP391(计算技术、计算机技术)
2018-10-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
267-271,291