【ELAMN预测】基于Elman神经网络预测股价附matlab代码
1 简介
为了更好地把握股票价格的波动,应用了在处理序列数据输入输出具有优越性的E lman递归神经网络建立股市预测模型,并用两支股票进行了检测,检测结果说明人工神经网络应用于中国股票市场的预测是可行和有效的,有着良好的前景。
Elman 型回归神经元网络一般分为四层 :输入 层、 中间层(隐含层)、 承接层和输出层, 如图 3 所 示。其输入层、 隐含层和输出层的连接类似于前馈 网络 , 输入层的单元仅起信号传输作用, 输出层单 元起线性加权作用。隐含层单元的传递函数可采用 线性或非线性函数, 承接层又称为上下文层或状态 层, 它用来记忆隐含层单元前一时刻的输出值, 可 以认为是一个一步延时算子。 Elman 回归神经元网络的特点是隐含层的输出 通过承接层的延迟与存储, 自联到隐含层的输入, 这种自联方式使其对历史状态的数据具有敏感性, 内部反馈网络的加入增加了网络本身处理动态信息 的能力 , 从而达 到了 动态建 模的 目的 。此 外, Elman回归神经网络能够以任意精度逼近任意非线 性映射, 可以不考虑外部噪声对系统影响的具体形 式, 如果给出系统的输入输出数据对 , 就可以对系统进行建模 。
2 部分代码
%% 清空环境变量clc; clear all close all nntwarn off;%% 数据载入load data; a=data;%% 选取训练数据和测试数据for i=1:6 p(i,:)=[a(i,:),a(i+1,:),a(i+2,:)]; end % 训练数据输入 p_train=p(1:5,:); % 训练数据输出 t_train=a(4:8,:); % 测试数据输入 p_test=p(6,:); % 测试数据输出 t_test=a(9,:);% 为适应网络结构 做转置p_train=p_train'; t_train=t_train'; p_test=p_test';%% 网络的建立和训练 % 利用循环,设置不同的隐藏层神经元个数 nn=[7 11 14 18]; for
【ELAMN预测】基于Elman神经网络预测股价附matlab代码相关推荐
- 【语音识别】基于BP神经网络实现语音识别附matlab代码
1 简介 2 部分代码 %% 该代码为基于BP网络的语言识别%% 清空环境变量clcclear%% 训练数据预测数据提取及归一化%下载四类语音信号load data1 c1load data2 ...
- 扩展卡尔曼滤波(EKF)估计SOC代码2详解,基于二阶RC模型(附MATLAB代码)
上次分享了一个扩展卡尔曼滤波估计SOC的代码,得到了很多小伙伴的支持,今天再分享一个很好用的扩展卡尔曼滤波估计SOC的程序.使用MATLAB语言完成程序的编写. 有关EKF的推导及原理请看我写的另一个 ...
- 数字水印进阶篇——基于DWT-SVD的数字水印(附matlab代码)
引言 之前写过一篇介绍空间域LSB的数字水印算法,有需要的朋友可以看看 数字水印入门篇--空间域LSB的数字水印(附matlab代码) 因空间域的数字水印是通过直接在图像上改变像素的方式来隐藏水印信息 ...
- 【预测模型-ELAMN预测】基于蚁群算法优化ELMAN神经网络实现数据回归预测matlab代码
1 简介 风能,作为一种重要,有潜力,无污染,可再生.可持续的能源,已经成为全球发电最为迅速的能源之一,越来越受到世界各国的青睐.近年来,为缓解能源短缺问题,改善环境,实现经济乃至人类的可持续发展,世 ...
- 【ELAMN预测】基于粒子群算法优化ELMAN神经网络实现数据回归预测 matlab代码
1 简介 风能,作为一种重要,有潜力,无污染,可再生.可持续的能源,已经成为全球发电最为迅速的能源之一,越来越受到世界各国的青睐.近年来,为缓解能源短缺问题,改善环境,实现经济乃至人类的可持续发展,世 ...
- 【ELAMN预测】基于灰狼算法优化ELMAN神经网络实现数据回归预测matlab代码
1 简介 风能,作为一种重要,有潜力,无污染,可再生.可持续的能源,已经成为全球发电最为迅速的能源之一,越来越受到世界各国的青睐.近年来,为缓解能源短缺问题,改善环境,实现经济乃至人类的可持续发展,世 ...
- 【FNN分类】基于粒子群结合引力搜索算法优化前向反馈神经网络实现数据分类附matlab代码
1 内容介绍 引力搜索算法(GSA)是一种基于引力定律和质量相互作用的新型启发式优化方法.实践证明,该算法具有较好的全局最优搜索能力,但在最后一次迭代中存在搜索速度较慢的问题.这项工作提出了粒子群优化 ...
- matlab 神经网络设计多层隐含层_数据预测之BP神经网络具体应用以及matlab代码
1.具体应用实例.根据表2,预测序号15的跳高成绩. 表2 国内男子跳高运动员各项素质指标 序号 跳高成绩() 30行进跑(s) 立定三级跳远() 助跑摸高() 助跑4-6步跳高() 负重深蹲杠铃() ...
- 选择退化特征时,利用单调性、鲁棒性、预测性三指标选择(附matlab代码)
为了对RUL预测获得更有效和高效的退化特征选择,提出了三个良度指标/内在满足指标,如单调性.鲁棒性和预测性.单调性度量评估特征的增加或减少趋势信息,鲁棒性复制特征对异常值的容忍度.鲁棒性度量包括特征对 ...
- 数据预测之BP神经网络具体应用以及matlab代码(转)
1.具体应用实例.根据表2,预测序号15的跳高成绩. 表2 国内男子跳高运动员各项素质指标 序号 跳高成绩() 30行进跑(s) 立定三级跳远() 助跑摸高() 助跑4-6步跳高() 负重深蹲杠铃() ...
最新文章
- ucos-iii串口用信号量及环形队列中断发送,用内建消息队列中断接收
- Spring基础专题——第一章(第一个Spring程序)
- 中文分词jieba的简单使用
- C/C++常见库函数实现(memcpy、memset、 strcpy)
- Internet Explorer 9.0 正式版试用一点小总结
- Linux中的大于号 双大于号 大于号:覆盖 追加 正确与错误都输出至指定文件
- 如何自定义SAP Spartacus 产品明细的url pattern
- KnockoutJS-快速入门
- 白领夫妇白手起家 6年赚得两房两车
- 第三季2:ORTP库的源码分析、RTP发送实验的源码分析
- 如何在 Intellij IDEA 更高效地将应用部署到容器服务 Kubernetes
- css的工作原理及使用规则
- RestClient 接口测试实践
- 如何用CSDN-markdown编辑器写博客
- 钟平老师的逻辑英语语法
- actived生命周期_vue组件的生命周期和执行过程
- XtraReport实现分栏打印
- vue怎样获取子组件的值
- Linux 服务具体解释
- Spring AOP(获取入参和返回值)及其原理:动态代理
热门文章
- 论文解读:ToxinPred2:一种预测蛋白质毒性的改进方法
- UCI计算机工程必修专业课,想问问加州大学欧文分校计算机工程专业怎么样?
- cisco的访问控制列表ACL的基本使用(大白话版)(基于cisco packet tracer)
- linux chmod命令为当前目录下的所有文件都添加可执行权限(可执行文件permission denied解决方法)
- GCC源码分析(十四) — rtx结构体,指令与栈分配
- vs 调出控制台窗口
- GBase 8s 常用管理员命令汇总-gstat(下)
- Linux系统下Kafka的搭建与启动
- 微信扫码提示在浏览器中打开的遮罩代码解决方式
- 一个女孩的IT创业经历,想创业的男人女人必看!