《表1 不同参数下预测误差对比》
在BRNN算法对以上两只股票训练的过程中,采用均方误差作为网络性能评判指标,由以不同参数情况下经训练得到的均方误差(表1)可知,历史数据集取6年、窗口长度取11、隐层节点数取6时,可以达到满足这两支股票训练要求的最佳网络参数。
图表编号 | XD0090165400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.15 |
作者 | 刘恒、侯越 |
绘制单位 | 兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |
在BRNN算法对以上两只股票训练的过程中,采用均方误差作为网络性能评判指标,由以不同参数情况下经训练得到的均方误差(表1)可知,历史数据集取6年、窗口长度取11、隐层节点数取6时,可以达到满足这两支股票训练要求的最佳网络参数。
图表编号 | XD0090165400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.15 |
作者 | 刘恒、侯越 |
绘制单位 | 兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |