%0 Journal Article
%T Adaptive training and pruning algorithm for Stock index prediction<br>用于股指预测的自适应训练及删剪算法
%A FAN Huai-yu
%A SHEN Jin-yuan
%A CHANG Sheng-jiang
%A <br>范怀玉
%A 申金媛
%A 常胜江
%J 计算机应用
%D 2007
%I 
%X 提出了利用基于自适应训练及删剪算法的抽头延迟神经网络模型对股指这一非线性时间序列进行预测.首先采用基于递归最小方差的自适应学习算法对网络模型进行学习训练,由于该算法的学习步长能够自行调整,初始参数少,所以收敛速度很快;再利用删剪算法对学习后的网络结构进行删剪,优化网络的拓扑结构,降低网络的计算复杂度,提高网络的泛化能力;然后对优化后的网络进行再学习,使优化后的网络具有最佳参数;最后利用优化后的网络对未来的股指(测试样本)进行预测.仿真实验表明,与删剪前的网络结构相比,优化后的网络结构不但降低了计算复杂度而且提高了预测精度,运算复杂度降低到原来的0.055 6,预测均方误差达到8.7961×10-5.
%K stock index prediction
%K mean square error
%K pruning algorithm
%K neural network<br>股指预测
%K 均方差
%K 删剪算法
%K 神经网络
%K 股指预测
%K 适应训练
%K 删剪算法
%K prediction
%K stock
%K index
%K pruning
%K algorithm
%K training
%K 均方误差
%K 运算复杂度
%K 预测精度
%K 仿真实验
%K 测试样本
%K 初始参数
%K 最佳
%K 优化网络
%K 泛化能力
%K 计算复杂度
%K 拓扑结构
%K 网络结构
%K 再利用
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=14E16CBD2743051272BB326482A3C1C1&yid=A732AF04DDA03BB3&vid=DB817633AA4F79B9&iid=94C357A881DFC066&sid=4BE5C218638B5C80&eid=DB29DCDE63A11F6A&journal_id=1001-9081&journal_name=计算机应用&referenced_num=0&reference_num=7