6、卷积神经网络在股票市场与作物病害检测中的应用

卷积神经网络在股票市场与作物病害检测中的应用

1. 卷积神经网络在股票市场时间序列预测中的应用

1.1 CNN的主要应用与研究目标

卷积神经网络（CNN）由一个或多个卷积层组成，主要应用于预处理、分类、分割等自相关数据处理。研究旨在提高CNN这一流行图像处理技术在时间序列分析中的性能。

1.2 研究成果

• 理想平滑因子的CNN表现 ：基于分析结果，具有理想平滑因子的CNN优于其他选定的时间序列预测技术。在研究的最优α值下，获得了最佳评估结果。使用卢卡斯数作为隐藏层，由于生成的黄金比例，显著提高了预测方法的性能。
• 股票指数预测模型 ：开发了一种基于CNN的股票指数时间序列预测方法，并利用该模型提供预测规则。对BSE SENEX、TAIEX和KOSPI进行了预测，结果显示该模型在预测方面表现更好。即使在2020年新冠疫情期间，该方法也取得了令人满意的预测结果。
• 最佳参数组合 ：Relu激活函数、100个训练周期和五层网络结构能给出最佳结果。

1.3 预测方法特点

• 易用性 ：该预测方法易于使用，直观易懂，且易于描述模型的组成部分。
• 可输入领域知识 ：可以将领域知识输入模型，例如通过特定的变化点或功率约束。
• 参数调整 ：在某些情况下，需要对某些参数的默认值进行