贝叶斯神经网络在股票时间序列预测中的应用

• 作者: 侯越 刘恒
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 贝叶斯正则化 神经网络 股票时间序列预测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 工程与应用
• 页码范围: 225-229,1
• 页数: 6页
• 分类号: TP301.6
• 字数: 3409字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1803-0400

摘要

针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题,采用贝叶斯正则化(Bayesian Regu-larization,BR)算法改进传统BP神经网络模型.该算法在保证网络误差最小的前提下,通过历史数据的先验概率调整BP模型的适应度函数,使网络的泛化能力得到提升.在股票时间序列预测的实证性研究中表明,比传统BP模型在预测精度上提高42.81%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯越	兰州交通大学电子与信息工程学院	20	114	6.0	10.0
2	刘恒	兰州交通大学电子与信息工程学院	1	4	1.0	1.0