声明
致谢
1 引言
1.1 研究背景
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 主要研究内容
1.4 论文的组织结构
2 相关理论介绍
2.1 股票分析理论
2.1.1 基本面分析
2.1.2 技术面分析
2.2 神经网络基础
2.2.1 BP神经网络
2.3.2 卷积神经网络
2.3.3 循环神经网络
2.3.4 长短时记忆神经网络
2.4 本章小结
3 基于幂绝对值激活函数的3D-CNN-LSTM网络模型
3.1 幂绝对值单元激活函数
3.1.1 常用激活函数
3.1.2 幂绝对值单元激活函数
3.2 3D-CNN网络模型
3.3 基于PAVU的3DCNN-LSTM模型
3.3.1 网络模型背景
3.3.2 网络模型结构
3.3.3 激活函数选取
3.4 本章小结
4 实证分析
4.1 数据预处理
4.1.1 实验数据选取
4.1.2 实验数据处理
4.2 实证分析
4.2.1 基于PAVU的3DCNN-LSTM网络表现
4.2.2 对比分析
4.3 本章小结
5 总结及展望
5.1 总结
5.2 展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;