检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于树结构长短期记忆神经网络的金融时间序列预测

姚小强, 侯志森

计算机应用 2018, 38 (11): 3336-3341. DOI: 10.11772/j.issn.1001-9081.2018040742

摘要（606）

PDF （941KB）（470）

针对传统方法对多噪声、非线性的时间序列无法进行有效预测的问题，以多尺度特征融合为切入点，提出并验证了基于树结构长短期记忆（LSTM）神经网络的预测方法。首先，提出了实现预测目标的核心方法，并分析了方法的内在优势；其次，构建了基于树结构长短期记忆神经网络的预测模型；最后，基于最近十年的国际黄金现货交易数据对模型进行了验证。实验结果表明，所提算法预测准确率高出最小成功率近10个百分点，证实了所提方法的有效性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于数据截获和欺骗式注入的通用记录重演方法

姚小强, 刘昌云, 郭相科

计算机应用 2017, 37 (4): 1153-1156. DOI: 10.11772/j.issn.1001-9081.2017.04.1153

摘要（495）

PDF （658KB）（439）

针对传统记录重演方法存在同报文格式相关、需要被控程序紧密配合及数据传输效率低等问题，提出了一种基于数据截获与欺骗方式实现的通用记录重演解决方案。首先，利用Winsock2 服务提供者接口技术，实现了网络数据的自动截获；其次，采用内存映射文件技术解决了数据共享和高速存取问题；最后通过向用户程序发送伪消息激发其读数据动作，完成数据注入。实际应用表明，新方法避免了数据的网络传输，无需被重演程序配合且与系统报文无关，能够完成10倍速度的流畅重演，普适于分布式仿真与模拟训练系统。

参考文献 | 相关文章 | 多维度评价