登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于覆盖的构造性学习算法SLA及在股票预测中的应用
  • 摘要

    覆盖算法是神经网络学习算法中的一个十分有效的方法,它克服了基于搜索机制的学习方法和规划学习方法计算复杂性高,难以用于处理海量数据的不足,为神经网络提供一个构造性的学习方法.但该方法是建立在所有训练样本都是精确的假设上的,未考虑到所讨论的数据具有不精确的情况,若直接将该方法应用于数据不精确情况,所得到效果不理想.主要讨论数据具有不精确情况下的时间序列的预测问题.为此将原有的覆盖算法进行改进,引入"覆盖强度"和"拒识样本"的概念,并结合这些新概念给出相应的覆盖学习算法(简称SLA),最后将SLA算法,应用于金融股市的预测,具体应用到以上(海)证(券)综合指数构成的时间序列的预测,取得了较好的结果,这表明了SLA方法的可行性和应用前景.

  • 作者

    张燕平  张铃  吴涛  徐锋  张旻  王伦文 

  • 作者单位

    安徽大学计算智能与信号处理实验室,合肥,230039;安徽大学人工智能研究所,合肥,230039/安徽大学人工智能研究所,合肥,230039

  • 刊期

    2004年6期 ISTIC EI PKU

  • 关键词

    覆盖算法  构造性学习算法(SLA)  股市预测  时间序列 

参考文献
查看更多︾
相似文献 查看更多>>
3.234.214.179