优化算法下LSTM模型在金融预测中的准确性研究  

作　　者：曾志豪 王金恒 胡丽颖 黄海林 

机构地区：[1]广州理工学院计算机科学与工程学院,广州510540

出　　处：《电脑编程技巧与维护》2023年第11期60-64,75,共6页Computer Programming Skills & Maintenance

基　　金：2022年省级创新训练项目(S202212668008)基于机器学习的金融数据分析挖掘及应用;2022年广东省本科高校教学质量与教学改革项目-以工作室为载体,构建科产教协同培养卓越工程人才“一一二”新模式探索(1104)。

摘　　要：随着大数据和人工智能技术的快速发展,循环神经网络(RNN)在时间序列数据的预测中表现出很强的性能。长短时记忆网络(LSTM)是一种改进的RNN结构,能够更好地捕捉时间序列数据中的长期依赖关系。通过比较3种LSTM模型(单一模型无加权平均、使用Adam优化器的模型和基于加权平均的多模型融合方法)在金融数据预测中的准确性,对优化算法的LSTM模型的金融数据预测准确性进行研究。

关 键 词：循环神经网络 长短时记忆网络 金融数据预测 优化算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] F830[自动化与计算机技术—控制科学与工程]