Resumen

Con el regreso de los métodos de aprendizaje profundo a la atención pública, cada vez más académicos e investigadores de la industria han intentado comenzar a explorar la posibilidad de las redes neuronales para resolver el problema, y se ha logrado cierto progreso. Sin embargo, aunque las redes neuronales tienen una potente capacidad de ajuste de funciones, a menudo son criticadas por su falta de poder explicativo. Debido al gran número de parámetros y la estructura compleja de los modelos de redes neuronales, los académicos no pueden explicar la lógica predictiva de la mayoría de las redes neuronales, probar la significancia de los parámetros del modelo y resumir las leyes que los humanos pueden entender y usar. Inspirado en la teoría de análisis técnico en el campo de la inversión en acciones, este documento selecciona modelos de redes neuronales con diferentes características y extrae combinaciones efectivas de características de los datos de fluctuación de precios de acciones a corto plazo. Además, sobre la base de garantizar que el efecto de predicción del modelo no sea inferior al de los modelos conv

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Redes neuronales; Poder explicativo; Parámetros; Mecanismo de atención; Lógica de predicción; Modelo de predicción de tendencias bursátiles
• Keywords:Neural networks; Explanatory power; Parameters; Attention mechanism; Prediction logic; Stock trend prediction model