Abstract：
股市的波动受许多因素的影响,属于非线性问题。对于非线性的问题传统的统计学知识不能很好的应用。本文提出了一种基于Ma TLAB神经网络工具箱的自适应神经网络的上证指数预测模型,自适应神经网络可以根据误差大小自主的调整学习效率,加快收敛速度。在对神经网络训练时,先对学习样本先进行归一化处理,再做BP网络的预测。经过与有动量的BP网络和L-M网络实验对比,结果表明这种方案比其他方案效率高、误差小。
Keyword：
Reprint 's Address：
Email：
Source ：
长春大学学报
Year： 2016
Issue： 06
Volume： 26
Page： 26-30
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
