声明
第一章 绪论
1.1. 研究背景及研究意义
1.1.1. 深度学习的研究背景及研究意义
1.1.2. 股票预测的研究背景及研究意义
1.1.3. 空气质量预测的研究背景及研究意义
1.2. 研究现状
1.2.1. 深度学习研究现状一、研究难点
1.2.2. 股票预测研究现状
1.2.3. 空气质量预测研究现状
1.3. 本文研究内容
第二章 相关神经网络算法及分析
2.1. 无监督学习网络模型
2.1.1. 受限玻尔兹曼机(RBM)
2.1.2. 深度置信网络(DBN)
2.1.3. 深度玻尔兹曼机(DBM)
2.1.4. 自编码(AE)
2.2. 监督学习网络模型
2.2.1. 反向传播神经网络(BPNN)
2.2.2. 卷积神经网络(CNN)
2.2.3. 循环神经网络(RNN)
2.3. 本章小结
第三章 SDAE-DBN混合神经网络
3.1. SDAE-DBN网络模型的搭建
3.2. 预测模型的设计
3.2.1. 数据预处理模块
3.2.2. 特征学习模块
3.2.3. 结果模块
3.3. 关于优化器的介绍与选择
3.3.1.梯度下降法(Gradient Descent)
3.3.2. 动量优化法
3.3.3. 自适应学习率优化算法
3.4. 本章小结
第四章 应用实验与结果分析
4.1. 实验工具及数据集概述
4.2. 超参数设置
4.3. 股票预测实验结果分析
4.4. 空气质量预测实验结果分析
4.5. 本章小结
第五章 总结与展望
5.1. 研究工作总结
5.2. 展望
参考文献
发表论文和参加科研情况
致谢
天津工业大学;