龙威零式_团队项目例会记录_13

本次例会汇报了各成员的任务进展情况,包括数据上传、网站索引建立、特定网站TAG提取、代码优化及爬虫脚本调试等工作,每位成员对其负责的任务进行了详细说明。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

例会照片

1036154-20161103001542143-282933233.jpg

任务更新

姓名今日完成任务实际花费时间明日任务预计花费时间
谢振威#13上传数据到solr4h#19清理solr,创建新索引,将网站地址和网站名字上传3h
杨金键#14针对一些频度较高的特定网站提取其tag2h#24探究 降噪 实现原理2h
谷大鑫#15整理上届源代码,寻找其中冗余部分以及短缺之处3h#20进行网页与后台交互代码实现研究3h
崔正龙#21 把之前写的部分移植进来,解决找不到库的问题3h#22将文本中关键词提取,去除多余词汇,并翻译关键词,存入数据库3h
金豪#18 调通爬虫脚本使得其正常工作3h#25 完善爬虫部分 更改bug 提升效率3h

代码签入

代码都在服务器上,所以对于服务器代码的修改没有反应在github上面

燃尽图

1036154-20161103002710502-604475202.png

转载于:https://www.cnblogs.com/longweilingshi/p/6025035.html

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值