版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、分類號UDCF855795密級——單位代碼!Q151基于RBF神經(jīng)網(wǎng)絡(luò)的期貨走勢預(yù)測模型研究指導(dǎo)教師陳如亮劉海勃學(xué)位授予單位職稱副教授大連海事大學(xué)申清學(xué)位級別管理學(xué)碩士學(xué)科與專業(yè)管理科學(xué)與__=程論文完成同期2005午12月25R論文答辯H期2005年3月1】日答辯委員會主席TheForecastModelofFuturesBasedonRBFNeuralNetworkAbstractToforecastthepriceoffuture
2、sisahotfieldoffuturesstudiesInvestorshopethatitcanhelpthemavoidriskandmakemoreprofitfromfuturesInthisthesis，thewriterusesneuralnetworktechnologytoforecastthefutures’price，buildingaforecastingmodelcalledTheForecastModelof
3、FuturesBasedonRBFneuralnetworkwitllthebackgroundofDalianCommodityExchange，hopingtoserveinvestorsbetterTheresearchworksmainlyonthreeaspects：firstlyitcombinestheregressiontreealgorithmandRBFneuralnetwork，whichusestradition
4、alregressiontreealgorithmtoinitializethecentersofRBFneuralnetwork’shiddenneuralcellsAndthenitcomparesit’scapabilitywithothertraditionalRBFneuralnetwork’slearningalgorithmsSecondlyitmakestheforecastingmodeltrueandexplains
5、howtoselectsamples，therulesforforecastinganderrorscontroletcItisreallyanintegratedplatformthatwecanuseittocollectrawdata，generatesamplesandforecastThirdlyitpresentsusexperimentaldataComparingtothefactualdatacollected，itp
6、rovidesustheanalysisoferrorsandmakessurethatthemodelisusableandreasonablefromtheangleofpromotingbusinessFinallyittellsusthattheRBFneuralnetwork’slearningalgorithmbasedonregressiontreeissuperthanothertraditionalsunderacer
7、taincircumstancewhichthenumberofsamplesisnotverybigandthesample’sdimensionalityisnotverybigtooAtthemeantimetheforecastingmodelisreasonableandineffectonpricepredictinginshorttimethatcangivesomeusefuldecisionmakinginformat
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于灰色RBF神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)爐終點預(yù)測模型研究.pdf
- 基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測模型研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的貨運量預(yù)測模型研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的多因素時間序列預(yù)測模型研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的多核設(shè)計空間探索預(yù)測模型.pdf
- 基于rbf神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測研究綜述
- 基于混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型.pdf
- 基于免疫RBF神經(jīng)網(wǎng)絡(luò)的混沌時間序列預(yù)測模型研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)與蟻群算法的瓦斯預(yù)測模型研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)并行學(xué)習(xí)模型的數(shù)據(jù)分類及預(yù)測研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)入侵檢測模型的研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的高速公路追尾預(yù)測模型的研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究.pdf
- 服裝銷售預(yù)測方法及RBF神經(jīng)網(wǎng)絡(luò)模型研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的電網(wǎng)短期負(fù)荷預(yù)測.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的金融時序列預(yù)測研究.pdf
- 基于rbf神經(jīng)網(wǎng)絡(luò)股票預(yù)測研究開題報告
- 基于RBF神經(jīng)網(wǎng)絡(luò)短期熱網(wǎng)負(fù)荷預(yù)測研究.pdf
- P2P網(wǎng)絡(luò)環(huán)境下基于RBF神經(jīng)網(wǎng)絡(luò)的信任預(yù)測模型.pdf
- 基于模糊控制RBF神經(jīng)網(wǎng)絡(luò)短期負(fù)荷預(yù)測的研究.pdf
評論
0/150
提交評論