时间卷积神经网络与股票

❶ 什么是卷积神经网络为什么它们很重要

• 卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。[1]它包括卷积层(alternating convolutional layer)和池层(pooling layer)。

• 卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks-简称CNN）。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。 K.Fukushima在1980年提出的新识别机是卷积神经网络的第一个实现网络。随后，更多的科研工作者对该网络进行了改进。其中，具有代表性的研究成果是Alexander和Taylor提出的“改进认知机”，该方法综合了各种改进方法的优点并避免了耗时的误差反向传播。

❷ 利用BP神经网络预测股票价格走势

参考 matlab神经网络30例 中有一个股票预测的案例
我觉得svm做这个更好

❸ matlab优化神经网络预测股票程序，求大神帮忙，有重谢。

我这里有遗传算法优化的神经网络，但是粒子群的没有啊！

❹ 基于神经网络的股票预测

P=[];‘输入，开盘价，最高价，最低价，收盘价成交量依次5天的数据’
T=[];’输出，即第二日的收盘’
net=newff(minmax(P),[7,1],,'traingdx');
net.trainParam.epochs=1000; ‘最大训练次数，根据需要可自行调节’
net.trainParam.goal=0.01; ‘误差’
net.trainParam.lr=0.01; ‘学习率’
net=train(net,P,T); ‘训练网络’
test=[];‘待预测数据输入’
out=sim(net,test); ‘仿真预测’
我的这个程序没有进行初始化，你还需要先将数据进行初始化后才能算。

❺ 神经网络预测股票准吗

目前还达不到非常准确的效果，决定股票走势的因子很多，有些如突发的并购、减持、宏观经济的事件、公司人事的更迭等等，这些事件神经网络没法给出好的判断。

❻ 谁是人工智能的“搅局者”

“土着迷信”、“波将金”、“绿野仙踪”……Facebook（脸书）人工智能实验室主任杨立昆（YannLeCun）最近用了一系列耸人听闻的词来形容去年被沙特颁发了“公民身份”的机器人索菲娅（Sophia）。在杨立昆看来，索菲娅就是人工智能的“搅局者”。

再给机器一些时间

目前的人工智能已经可以完成比较具体的任务了。在索菲娅的案例中，人工智能就能以惊人的精度和速度识别图像中的内容，将言语转化为单词，或者将文本片段从一种语言翻译成另一种语言。此外，人工智能还能分析股票走势，并尝试预测结果。

但是，关于人工智能的争论一直存在。科技公司也正在努力向公众解释人工智能的意义。这也是为何杨立昆面对索菲娅的“搅局”会火冒三丈，强烈谴责她混淆视听。去年脸书发布了一篇长文来解释人工智能的发展计划。扎克伯格暗示脸书可能会使用人工智能来识别某些危险，比如对恐怖袭击、强暴和潜在的自杀风险等做出预警。

杨立昆此前接受第一财经记者专访时说：“学习建立安全的人工智能系统，不是担心它们可能接管世界，而是希望它们可以认真工作，这同样需要一些时间。好比人们花了很久时间才想出如何让飞机不出事故。”

❼ 神经网络 能对股票 预测吗

因为他么有未来函数，但是有未来函数的又是会随着行情的演变而变的，所以没有预测的软件，只有预测的人，盘感很重要，不要迷信软件，那样不是会看软件的人就能赚钱了。关注资金动向是你首先应该学习的。

❽ 请教用人工神经网络进行股票预测在weka

预测股票可不是有以往股票数据就能的，要考虑因果性，现实事件与股票波动有因果性，也就是时序性。在这情况下有LSTM单元组成循环神经网络可以做到，但训练集的强度跟体积可是很大的，这需要注意。