张金雷;罗玉玲;傅强 基于门限递归单元神经网络的财务时间序列预测。 （中文。英文摘要） Zbl 1438.91148号 J.广西标准。大学，自然科学。 37，第2号，82-89（2019）. 摘要：为了解决递归神经网络（RNN）的长期依赖性，提出了门控递归单元（GRU）神经网络作为RNN的变体。通过继承RNN对时间序列的出色记忆能力，GRU克服了这个长期依赖问题。针对金融时间序列中时间序列的长期相关性，将GRU扩展应用于金融时间序列预测。提出了一种基于微分运算和GRU神经网络的金融时间序列预测模型。该模型能够处理金融时间序列数据的非线性、非平稳和序列相关性等复杂特征。本文将其用于预测标准普尔500指数的调整收盘价。实验结果表明，差分运算可以提高GRU神经网络的泛化能力和预测精度，与传统方法相比，该方法可以以相对较低的计算开销对金融时间序列进行更好的预测。 MSC公司： 91G15型 金融市场 62P05号 统计学在精算科学和金融数学中的应用 62M20型 随机过程的推断与预测 68T05型 人工智能中的学习和自适应系统 关键词：循环神经网络;门控复发单元;差分运算;金融时间序列预测;深度学习 PDF格式BibTeX公司 XML格式引用 \textit{J.Zhang}等，《广西常模》。大学，自然科学。37，第2号，82-89（2019年；Zbl 1438.91148） 全文： 内政部