{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部分”：[[2023,12,1]]，“日期-时间”：“2023-12-01T05:14:25Z”，“时间戳”：1701407665713}，“发布者位置”：“美国纽约州纽约市”，“引用-计数”：15，“发布商”：“ACM”，“内容-域”：[“dl.ACM.org”]，“交叉标记-严格离子“：true}，”短容器时间“：[]，“published-print”：{“date-parts”：[[2023,7,27]]}，“DOI”：“10.1145\/3613330.3613331”，“type”：“proceedings-article”，“created”：{“date-parts”：[[2023,9,28]]，“date-time”：“2023-09-28T16:09:21Z”，“timestamp”：1695917361000}，《update-policy》：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“source”：“Crossref”，“is-referenced-by-count”：0，“title”：[“PCA-LSTM对股价预测的影响研究”]，“前缀”：“10.1145”，“作者”：[{“ORCID”：“http://\/ORCID.org\/0009-0005-7537-2508”，“authenticated-ORCID”：false，“给定”：“施泽”，“家族”：“吴”，“sequence”：“first”，“affiliation”：[}“name”：“Qing11-604，中国杭州师范大学”}]}，{“OCID”：“http:/\/ORCID.org\/009-0003-84 98-7315英寸，“authenticated-orcid”：false，“given”：“Liang”，“family”：“Zhang”，“sequence”：“additional”，“affiliation”：[{“name”：“Qing11-604，Zhang Normal University，China”}]]，“member”：“320”，“published-online”：{“date-parts”：[2023,9,28]]}，“reference”：[}“key”：”e_1_3_2_1_1_1_1“，”doi-asserted-by“publisher”，”doi“：“10.1016\/j.knosys 201.7.09.023“}，{”键“：“e_1_3_2_1_2_1”，“volume-title”：“2017国际计算机发展会议，2017”，“author”：“Selvin Sreelekshmy”，“unstructured”：“Sreelexshmy Selvin，Vinayakumar R，Gopalakrishnan e.A.利用LSTM，RNN，AND，CNN-SLIDING窗口模型进行股价预测[C]。2017年国际计算机发展会议，2017年Sreelekshmy Selvin，Vinayakumar R，Gopalakrishnan E.A.使用LSTM，RNN，AND，CNN-SLIDING Window模型进行股票价格预测[C]。2017年国际计算机发展会议，2017年“}，{“issue”：“103”，“key”：“e_1_3_2_1_3_1”，“首页”：“25”，“article-title”：“预测股价指数的波动性：将LSTM与多个GARCH型模型相结合的混合模型[J].”，“volume”：《2018》，“author”：“Kim Ha Young”，“unstructured”：“Ha Young Kim、Chang Hyun Won。预测股价指数的波动性：一个结合LSTM和多个GARCH类型模型的混合模型[J]。具有应用程序的专家系统。2018 ( 103 ): 25 - 37 . Ha Young Kim、Chang Hyun Won。预测股价指数的波动性：一个结合LSTM和多个GARCH类型模型的混合模型[J]。具有应用程序的专家系统。2018（103）：25-37.”，“新闻标题”：“应用专家系统。“｝，｛”key“：”e_1_3_2_4_1“，”doi asserted by“：”publisher“，”doi“：”10.1109\/ICMLC5645.2022.9941293“｝，｛”key“：”e_1_3_2_5_1“，”volume title“：”PCP 2LSTM:“基于两层LSTM的数据中心功耗预测模型[C]\/\/2019第七届高级云与大数据国际会议（CBD）“，”author“：”Ziyu SHEN“，”year“：”2019“，”非结构化”：“沈子瑜，张旭生，刘炳辉，PCP 2LSTM:基于LSTM的两层数据中心功耗预测模型[C]\/\/2019年第七届先进云和大数据国际会议，中国苏州：IEEE，2019-13-18。沈子玉，张旭生，刘炳辉，等.PCP 2LSTM:基于LSTM的两层数据中心功耗预测模型[C]\//2019年第七届国际先进云与大数据会议，中国苏州：IEEE，2019-13-18.“}，{“key”：“e_1_3_2_1_6_1”，“volume-title”：“第八届国际信息通信技术大会，2018年”，“作者”：“沈贵柱”，“非结构化”：“慎贵柱，谭庆平。基于门限递归单元网络的金融序列预测深度学习[C]。第八届国际信息通信技术大会，2018年，沈贵珠，谭庆平。用于金融序列预测的具有门控递归单元网络的深度学习[C]。第八届国际信息通信技术大会，2018年“}，{“key”：“e_1_3_2_1_7_1”，“first page”：第103页，“article-title”：“GRU递归神经网络股票收盘价预测研究[J]”，“volume”：”11“，“author”：“Lei Li”，”year“：”2018“unstructured”：“Li Lei，Chen Aixiang等。GRU递归神经网络在股票收盘价预测中的研究[J]。计算机与现代化，2018年，11:103-108。李磊，陈爱祥等.基于GRU回归神经网络的股票收盘价预测研究[J]。计算机与现代化，2018，11:103-108。”，“新闻标题”：“计算机与现代化”}，{“关键”：“e_1_3_2_1_8_1”，“卷标题”：《2019年第二届数据科学智能计算国际会议》，“作者”：“Berradi Zahra”，“非结构化”：“穆罕默德·拉扎尔（Mohamed Lazaar），扎赫拉·贝拉迪（Zahra Berradi）。主成分分析与递归神经网络集成预测卡萨布兰卡证券交易所股价[C]。第二届数据科学智能计算国际会议。2019扎赫拉·贝拉迪，穆罕默德·拉扎尔。主成分分析与递归神经网络集成预测卡萨布兰卡证券交易所股价[C]。第二届数据科学智能计算国际会议。2019年“}，{“key”：“e_1_3_2_1_9_1”，“volume-title”：“基于PCA-GA-BPNN模型的股价预测研究[D].西安：西安理工大学”，“author”：“Haiyan Li”，《year》：“2018”，“unstructured”：“Li Haiyan.基于PCA-GA-BPNN的股价预测方法研究[D]西安：西安理工大学，2018。李海燕。基于PCA-GA-BPNN模型的股价预测研究[D]。西安：西安理工大学，2018。“}，{”key“：”#cr-split#-e_1_3_2_10_1.1“，”doi-asserted-by“：”crossref“，”unstructured“：”Kim T Kim HY.使用相同数据的不同表示形式，使用特征融合LSTM-CNN模型预测股价。[J].PloS one 2019 14“，”doi“：”10.1371 \/journal.pone.021230“}”，{doi-asserted-by“：”crossref“，”unstructured“：”（2）Kim T Kim HY。使用相同数据的不同表示形式，使用特征融合LSTM-CNN模型预测股票价格。[J] ●●●●。PloS-one 2019 14（2）“，“DOI”：“10.1371 \/journal.pone.0212320”}，{“key”：“e_1_3_2_11_1”，“volume-title”：“第一届数据科学智能计算国际会议。2018:161-169”，“author”：“Nahil Anass”，“unstructured”：“阿纳斯·纳希尔（Anass Nahil）、阿卜杜勒瓦希德·利哈尤伊（Abdelouahid Lyhyaoui）。基于核主成分分析和支持向量机的短期股价预测：以卡萨布兰卡证券交易所为例[C]。第一届数据科学智能计算国际会议。2018: 161-169 . 阿纳斯·纳希尔（Anass Nahil）、阿卜杜勒瓦希德·利哈尤伊（Abdelouahid Lyhyaoui）。基于核主成分分析和支持向量机的短期股价预测：以卡萨布兰卡证券交易所为例[C]。第一届数据科学智能计算国际会议。2018:161-169.“}，{”key“：”e_1_3_2_12_1“，”首页“：”273“，”article-title“：”基于CNN的股票市场预测使用多个数据源[J].“，”volume“：“2019”，”author“：”Hoseinzade“，”unstructured“：”Huseinzadee e，Haratizadeh S.CNN Pred:基于CNN，使用多个数据源进行股票市场预测[J]《专家系统与应用》，2019年，129:273-285。Hoseinzade E，Haratizadeh S.CNNPred：使用多个数据源进行基于CNN的股市预测[J]。应用专家系统，2019129:273-285.”，“日志标题”：“应用专家系统”}，{“key”：“e_1_3_2_13_1”，“volume-title”：“长短期记忆[J].神经计算”，“年份”：“2017”，“非结构化”：“Hochreiter，Schmidhuber，长短期记忆[J].神经元计算.2017，9（8）：1735\u20131780。Hochreiter，Schmidhuber，长短期记忆[J]。神经计算。2017,9（8）：1735\u20131780。“}，{”key“：”e_1_3_2_14_1“，”unstructured“：”Christopher Olah.Understanding LSTM Networks[M\/OL].[2015-8-25].http:\\/colah.github.io\/posts\/2015-08-Understanding-LSTMs\/Chropher Olah.Understanting-LSTMs.Understandarding LSTM Networks[M\/OL].[2015-8-25].http：\\/colach.github.io\/posts \/2015-08 Understand-LSTMs\/”}]，“event”：{“name”：“ICDLT 2023:2023第七届国际深度学习技术会议”，“地点”：“中国大连”，“缩写词”：“ICDLT 2020”}，“容器-标签”：[“2023年第七届深度学习技术国际会议论文集”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/3613330.3613331”，“内容类型”：“unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,12,1]]，”date-time“：”2023-12-01T01:52:51Z“，”timestamp“：1701395571000}，”score“：1，”resource“：{primary“：”{“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3613330.3613331”}}，“subtitle”：[]，“shorttitle”“：[]，”已发布“：{”日期部分“：[[2023,7,27]]}，“references-count”：15，“alternative-id”：[“10.1145 \/3613330.3613331”，“10.1145\/361330”]，“URL”：“http://\/dx.doi.org \/10.1145\/36113330.3613333”，“relationship”：{}，“subject”：[]，“published”：{“date-parts”：[2023,7,27]]}，”assertion“：[{“value”：“2023-09-28”，“order”：2，“name”：“publisheed”，“label”：“published”“，”组“：{”名称“：”publication_history“，”标签“：“出版历史”｝｝]｝｝