基于TensorFlow进行股票预测的深度学习模型的设计与实现

• 作者: 谈世哲 韩山杰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: TensorFlow 人工智能 数据分析 MLP 股价预测
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 算法
• 页码范围: 267-271,291
• 页数: 6页
• 分类号: TP391
• 字数: 3670字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.06.049

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谈世哲	中国海洋大学信息科学与工程学院	10	59	4.0	7.0
2	韩山杰	中国海洋大学信息科学与工程学院	1	18	1.0	1.0