基于注意力机制的神经网络预测模型

目录

声明

摘要

第1章结论

1．2研究思路与研究框架

1．2．2研究框架

1．3研究的创新点与不足之处

1．3．1创新点

1．3．2不足之处与展望

第2章文献综述

2．1传统方法预测股票市场的文献综述

2．2神经网络预测股票市场的相关文献综述

2．3注意力机制在神经网络领域应用的文献综述

2．4本章小结

第3章模型介绍

3．1基于多层感知机的网络模型

3．1．1多层感知机的前向传播

3．1．2多层感知机的误差反向传播

3．1．3多层感知机的权重和偏置更新

3．1．4本文构造的多层感知机

3．2基于CNN的网络模型

3．2．1卷积神经网络的前向传导

3．2．2卷积神经网络的反向传导

3．2．3本文构造的基于卷积神经网络的模型

3．3基于RNN的递归网绍模型

3．3．1 RNN输出前向传播

3．3．2 RNN误差反向传播

3．3．3 RNN权重及偏置更新

3．4基于LSTM的递归神经网络模型

3．4．1 LSTM输出向前传播

3．4．2 LSTM误差反向传递

3．4．3 LSTM权重及偏置更新

3．5基于GRU的递归神经网络模型

3．5．1 GRU输出向前传播

3．5．2 GRU误差反向传递

3．5．3 GRU权重和偏置的更新

3．6基于注意力机制的递归网络模型

3．7本章小结

第4章实证分析

4．1样本选取和实验设置

4．1．1样本选取

4．1．2实验设置

4．2基本模型验证与对比

4．3进一步研究

4．3．1探究不同结构下基于CNN的模型的性能

4．3．2探究不同结构下递归神经网络模型的预测性能

4．3．3新冠疫情期间各个模型的预测表现

4．4本章小结

第5章总结

参考文献

致谢

在读期间发表的学术论文与取得的研究成果