基于贝叶斯集成神经网络的上证50指数的研究

• 作者: 梁达正
• 来源期刊: 科技创新导报
• 学科: 工学
• 关键词: 贝叶斯 集成学习 神经网络
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 信息科学
• 页码范围: 142-144
• 页数: 3页
• 分类号: TP183
• 字数: 2696字
• 语种: 中文
• DOI: 10.16660/j.cnki.1674-098X.2019.17.142

摘要

基于贝叶斯集成神经网络原理,构建出一个贝叶斯集成长短记忆神经网络.使用该集成网络对我国上证50指数进行预测.实验选取2015—2018年近3年来的数据进行集成学习预测.结果证明贝叶斯集成长短记忆神经网络要优于集成循环神经网络与集成长短记忆神经网络.为了使贝叶斯集成神经网络更好的运用到时间序列预测上,本文提出一种贝叶斯集成长短记忆神经网络来进行金融时间序列学习.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁达正	广州大学经济与统计学院	1	0	0.0	0.0