時間卷積神經網路與股票

❶ 什麼是卷積神經網路為什麼它們很重要

• 卷積神經網路（Convolutional Neural Network,CNN）是一種前饋神經網路，它的人工神經元可以響應一部分覆蓋范圍內的周圍單元，對於大型圖像處理有出色表現。[1]它包括卷積層(alternating convolutional layer)和池層(pooling layer)。

• 卷積神經網路是近年發展起來，並引起廣泛重視的一種高效識別方法。20世紀60年代，Hubel和Wiesel在研究貓腦皮層中用於局部敏感和方向選擇的神經元時發現其獨特的網路結構可以有效地降低反饋神經網路的復雜性，繼而提出了卷積神經網路（Convolutional Neural Networks-簡稱CNN）。現在，CNN已經成為眾多科學領域的研究熱點之一，特別是在模式分類領域，由於該網路避免了對圖像的復雜前期預處理，可以直接輸入原始圖像，因而得到了更為廣泛的應用。 K.Fukushima在1980年提出的新識別機是卷積神經網路的第一個實現網路。隨後，更多的科研工作者對該網路進行了改進。其中，具有代表性的研究成果是Alexander和Taylor提出的「改進認知機」，該方法綜合了各種改進方法的優點並避免了耗時的誤差反向傳播。

❷ 利用BP神經網路預測股票價格走勢

參考 matlab神經網路30例 中有一個股票預測的案例
我覺得svm做這個更好

❸ matlab優化神經網路預測股票程序，求大神幫忙，有重謝。

我這里有遺傳演算法優化的神經網路，但是粒子群的沒有啊！

❹ 基於神經網路的股票預測

P=[];『輸入，開盤價，最高價，最低價，收盤價成交量依次5天的數據』
T=[];』輸出，即第二日的收盤』
net=newff(minmax(P),[7,1],,'traingdx');
net.trainParam.epochs=1000; 『最大訓練次數，根據需要可自行調節』
net.trainParam.goal=0.01; 『誤差』
net.trainParam.lr=0.01; 『學習率』
net=train(net,P,T); 『訓練網路』
test=[];『待預測數據輸入』
out=sim(net,test); 『模擬預測』
我的這個程序沒有進行初始化，你還需要先將數據進行初始化後才能算。

❺ 神經網路預測股票准嗎

目前還達不到非常准確的效果，決定股票走勢的因子很多，有些如突發的並購、減持、宏觀經濟的事件、公司人事的更迭等等，這些事件神經網路沒法給出好的判斷。

❻ 誰是人工智慧的「攪局者」

「土著迷信」、「波將金」、「綠野仙蹤」……Facebook（臉書）人工智慧實驗室主任楊立昆（YannLeCun）最近用了一系列聳人聽聞的詞來形容去年被沙特頒發了「公民身份」的機器人索菲婭（Sophia）。在楊立昆看來，索菲婭就是人工智慧的「攪局者」。

再給機器一些時間

目前的人工智慧已經可以完成比較具體的任務了。在索菲婭的案例中，人工智慧就能以驚人的精度和速度識別圖像中的內容，將言語轉化為單詞，或者將文本片段從一種語言翻譯成另一種語言。此外，人工智慧還能分析股票走勢，並嘗試預測結果。

但是，關於人工智慧的爭論一直存在。科技公司也正在努力向公眾解釋人工智慧的意義。這也是為何楊立昆面對索菲婭的「攪局」會火冒三丈，強烈譴責她混淆視聽。去年臉書發布了一篇長文來解釋人工智慧的發展計劃。扎克伯格暗示臉書可能會使用人工智慧來識別某些危險，比如對恐怖襲擊、強暴和潛在的自殺風險等做出預警。

楊立昆此前接受第一財經記者專訪時說：「學習建立安全的人工智慧系統，不是擔心它們可能接管世界，而是希望它們可以認真工作，這同樣需要一些時間。好比人們花了很久時間才想出如何讓飛機不出事故。」

❼ 神經網路 能對股票 預測嗎

因為他么有未來函數，但是有未來函數的又是會隨著行情的演變而變的，所以沒有預測的軟體，只有預測的人，盤感很重要，不要迷信軟體，那樣不是會看軟體的人就能賺錢了。關注資金動向是你首先應該學習的。

❽ 請教用人工神經網路進行股票預測在weka

預測股票可不是有以往股票數據就能的，要考慮因果性，現實事件與股票波動有因果性，也就是時序性。在這情況下有LSTM單元組成循環神經網路可以做到，但訓練集的強度跟體積可是很大的，這需要注意。