面向金融数据的神经网络时间序列预测模型

• 作者: 刘贵松 卢国明 张栗粽 王谨平 罗光春
• 来源期刊: 计算机应用研究
• 关键词: 时间序列 Elman神经网络 特征选择 特征提取 Clamping神经网络
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2632-2637
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.09.017

摘要

针对Elman神经网络模型,通过引入时间权重与随机性因素,提出了改进的Elman神经网络模型,提高了现有Elman神经网络针对时序数据预测的精度.提出了基于时序数据的特征学习框架,可评估多个特征参数对结果的联合影响.在此基础上,提出了一个互联网金融风险预测模型,实验结果表明,所提出的模型在金融时序预测中具有更好的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘贵松	电子科技大学计算机科学与工程学院	13	136	7.0	11.0
2	罗光春	电子科技大学计算机科学与工程学院	59	390	10.0	16.0
3	卢国明	电子科技大学计算机科学与工程学院	9	80	5.0	8.0
4	张栗粽	电子科技大学计算机科学与工程学院	5	33	3.0	5.0
5	王谨平	电子科技大学计算机科学与工程学院	1	9	1.0	1.0