基于神经网络股票预测模型的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 本课题的研究现状 | 第9-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 研究意义 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 第2章 神经网络理论基础 | 第15-23页 |
| 2.1 神经网络简介 | 第15-16页 |
| 2.2 神经网络的特点 | 第16-18页 |
| 2.3 神经网络种类 | 第18-21页 |
| 2.4 反向传播算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 股票预测模型的设计 | 第23-40页 |
| 3.1 预期目标与实现难点 | 第23-24页 |
| 3.1.1 预期目标 | 第23页 |
| 3.1.2 面临的难点 | 第23-24页 |
| 3.2 模型设计 | 第24-29页 |
| 3.2.1 模型总体架构 | 第24页 |
| 3.2.2 特征提取模型 | 第24-27页 |
| 3.2.3 股票预测模型 | 第27-29页 |
| 3.3 模型训练 | 第29-36页 |
| 3.3.1 特征提取模型的训练 | 第30-33页 |
| 3.3.2 股票预测模型的训练 | 第33-36页 |
| 3.4 模型优化 | 第36-38页 |
| 3.4.1 L2参数正则化 | 第36-37页 |
| 3.4.2 随机失活Dropout | 第37-38页 |
| 3.5 模型算法步骤 | 第38页 |
| 3.6 本章小结 | 第38-40页 |
| 第4章 实验及结果分析 | 第40-53页 |
| 4.1 实验配置 | 第40-41页 |
| 4.1.1 实验环境 | 第40页 |
| 4.1.2 实验数据 | 第40-41页 |
| 4.2 实验过程和步骤 | 第41-43页 |
| 4.3 数据预处理 | 第43-44页 |
| 4.4 实验结果及分析 | 第44-52页 |
| 4.4.1 不同深度的自编码器降维效果对比 | 第44-46页 |
| 4.4.2 不同特征提取方法效果对比 | 第46-51页 |
| 4.4.3 与其他预测模型的效果对比 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 股票预测系统设计与实现 | 第53-65页 |
| 5.1 股票预测系统需求分析 | 第53-56页 |
| 5.1.1 用户需求分析 | 第53-55页 |
| 5.1.2 功能需求分析 | 第55-56页 |
| 5.2 股票预测系统设计 | 第56-58页 |
| 5.2.1 系统流程图 | 第56-57页 |
| 5.2.2 系统功能设计 | 第57-58页 |
| 5.3 数据库设计 | 第58-61页 |
| 5.3.1 数据库概念设计 | 第58-59页 |
| 5.3.2 数据库物理设计 | 第59-61页 |
| 5.4 股票预测系统展示 | 第61-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65页 |
| 6.2 下一步研究计划 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 图附 | 第73-74页 |
| 表附 | 第74-75页 |
| 附录 | 第75页 |
