基于卷积神经网络的K线图有效性验证
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究目的及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 技术分析有效性的争议 | 第8-10页 |
| 1.2.2 人工神经网络与技术分析 | 第10-11页 |
| 1.2.3 简要评述 | 第11-12页 |
| 1.3 论文主要工作及创新点 | 第12页 |
| 1.4 论文的结构安排 | 第12-14页 |
| 第2章 理论基础 | 第14-34页 |
| 2.1 人工神经网络基本概念及典型模型 | 第14-26页 |
| 2.1.1 人工神经元及激活函数 | 第14-18页 |
| 2.1.2 感知器 | 第18-20页 |
| 2.1.3 BP神经网络 | 第20-22页 |
| 2.1.4 玻尔兹曼机 | 第22-26页 |
| 2.2 卷积神经网络与深度学习 | 第26-31页 |
| 2.2.1 卷积神经网络概念及特点 | 第26-27页 |
| 2.2.2 卷积神经网络的网络结构及实现原理 | 第27-28页 |
| 2.2.3 深度学习思想及基本概念 | 第28-30页 |
| 2.2.4 卷积神经网络的训练 | 第30-31页 |
| 2.3 技术分析与技术指标 | 第31-34页 |
| 2.3.1 技术分析理论基础 | 第31-32页 |
| 2.3.2 技术分析指标 | 第32-34页 |
| 第3章 实验模型构建 | 第34-42页 |
| 3.1 数据来源及预处理 | 第34-36页 |
| 3.1.1 数据的选取 | 第34-35页 |
| 3.1.2 数据的预处理 | 第35-36页 |
| 3.2 K线图库的生成 | 第36-38页 |
| 3.2.1 K线图的绘制 | 第36-38页 |
| 3.2.2 实验用图片库的生成 | 第38页 |
| 3.3 卷积神经网络模型的设计 | 第38-42页 |
| 3.3.1 网络模型的结构 | 第38-40页 |
| 3.3.2 网络模型的训练准备 | 第40-41页 |
| 3.3.3 网络模型的实现条件 | 第41-42页 |
| 第4章 实验过程及分析 | 第42-57页 |
| 4.1 基本试验条件 | 第42-43页 |
| 4.2 二分类实验 | 第43-48页 |
| 4.3 多重分类实验 | 第48-52页 |
| 4.4 对比分析 | 第52-55页 |
| 4.4.1 二重分类对比分析 | 第52-53页 |
| 4.4.2 多重分类对比分析 | 第53-55页 |
| 4.5 MACD技术指标检验 | 第55-57页 |
| 第5章 总结及展望 | 第57-59页 |
| 5.1 研究结论 | 第57页 |
| 5.2 研究不足及展望 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 攻读学位期间参加科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |
