论文研究 股票指数的神经网络:研究超参数变化的影响

过去十年来，人工神经网络引起了人们的兴趣。 由于神经网络的巨大性能准确性，在基于预测的研究中已越来越多地使用它们。 它们已成功地应用于医学，地质，金融，物理，工程等各个领域。神经网络系统见证了复杂性的提高，其中神经元的层数和数量增加，并具有解决复杂问题的能力。 全世界的研究人员都认为具有三层（输入，隐藏和输出）的神经网络是一种通用的函数逼近器，因为多年来，它在数据验证，价格预测，销售预测，客户研究等方面都给出了出色的结果。 在以前的大多数研究中，已经采用了标准的ANN模型或使用各种软件对默认模型进行了测试。 但是据我们了解，应该通过更改超参数来获得最佳性能模型，从而进行大量的尝试。 在我们的研