双线性注意力卷积神经网络限价单预测分析方法及系统

摘要

本发明公开一种双线性注意力卷积神经网络限价单预测分析方法及系统。所述方法在卷积神经网络的基础上增加双线性注意力机制，加强网络对时间信息的关注；通过池化层和Dropout层减少模型参数数量防止过拟合现象的发生，减少了计算量。在网络训练过程的反向传播中，使用Adam算法计算并更新权重，优化传统梯度下降过程；通过损失函数L，优化更新模型的参数，从而优化双线性注意力卷积神经网络。与传统神经网络相比，本发明不仅提高了网络梯度下降的计算性能，而且提高了预测结果的准确率，能够捕捉到限价单中不同档的价格与成交量对未来趋势的影响。本发明所述系统包括数据预处理模块、网络训练模块和股票限价单趋势预测模块。