节点文献

基于迁移学习的卷积神经网络的金融指数预测

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具,请取消加速工具后下载。

【作者】 李子玥曲英伟

【机构】 大连交通大学软件工程学院

【摘要】 本文研究基于迁移学习的卷积神经网络对互联网金融指数的预测,同传统的金融指数相比,互联网金融指数起步较晚,数据量较少,因此借助于cnn算法模型对互联网金融指数的预测不如传统金融金融指数高,为了解决这一个问题引入迁移学习,在cnn预测模型的基础上进行迁移,实验结果表明预测结果值和真实值的误差下降,预测结果更准确。

【关键词】 卷积神经网络迁移学习cnn
  • 【文献出处】 电子技术与软件工程 ,Electronic Technology & Software Engineering , 编辑部邮箱 ,2022年03期
  • 【分类号】TP183;F831.51
  • 【下载频次】379
节点文献中: 

本文链接的文献网络图示:

本文的引文网络