具有最优学习率的rbf神经网络学习算法及其在金融时间序列预测中的应用x

《具有最优学习率的rbf神经网络学习算法及其在金融时间序列预测中的应用x》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、具有最优学习率的RBF神经网络学习算法及其在金融时间序列预测中的应用RBFNeuralNetworkLearningAlgorithmwithOptimalLearningrateandItsApplicationtoFinancialTimeSeriesForecasting卫敏余乐安中科院数学与系统科学研宄院，北京，100190摘要传统固定学率的RBF神经网络在金融吋间序列预测方妞己经有比较成功的应川，但网络学习率的选择问题却给传统RBF网络的使用带来了不便。本文利用梯度卜降法及优化方法推导出了RBF神经网络的动

2、态最优学习率并将其应用于网络学习算法，具有最优学习率的RBF祌经网络能够在保证M络稳定学习的同时兼顾网络的收敛速度。为了检验具有动态最优学习率的RBF祌经网络的预测效果，本文进行了沪深300指数波动率预测实验。实验结果表明，具有动态最优学习率的RBF网络比传统的固定学习率的RBF网络有着更快的收敛速度，同时也避免了人为选定学习率的不便。关键词:RBF神经M络;最优学习率；梯度下降法AbstractInthisstudy,analgorithmbasedonRBFNN(radialbasisfunctionneural

3、networks)withoptimumlearningrateisproposed.ThedynamicoptimumlearningratewhichdeterminedbygradientdescentandclassicaloptimizationtechniqueisusedtoadjusttheweightchangesofRBFneuralnetworksinanadaptiveway.Withthedynamicoptimumlearningrate,theRBFneuralnetworkscanen

4、surefastandstablelearningsimultaneously.Inordertoverifytheeffectivenessofthisproposedalgorithm,predictionofHS300indexvolatilityischosenforexperiment.Theexperimentalresultsshowthat,theproposedRBFNNalgorithm(withdynamicoptimumlearningrate）couldlearnfasterandavoid

5、selectinglearningratesubjectively.Keywords:RBFneuralnetworks;dynamicoptimumlearningrate;gradientdescent具有最优学习率的RBF神经网络学习算法及其在金融时间序列预测中的应用RBFNeuralNetworkLearningAlgorithmwithOptimalLearningrateandItsApplicationtoFinancialTimeSeriesForecasting卫敏余乐安中科院数学与系统科学研宄院，

6、北京，100190摘要传统固定学率的RBF神经网络在金融吋间序列预测方妞己经有比较成功的应川，但网络学习率的选择问题却给传统RBF网络的使用带来了不便。本文利用梯度卜降法及优化方法推导出了RBF神经网络的动态最优学习率并将其应用于网络学习算法，具有最优学习率的RBF祌经网络能够在保证M络稳定学习的同时兼顾网络的收敛速度。为了检验具有动态最优学习率的RBF祌经网络的预测效果，本文进行了沪深300指数波动率预测实验。实验结果表明，具有动态最优学习率的RBF网络比传统的固定学习率的RBF网络有着更快的收敛速度，同时也避免了

7、人为选定学习率的不便。关键词:RBF神经M络;最优学习率；梯度下降法AbstractInthisstudy,analgorithmbasedonRBFNN(radialbasisfunctionneuralnetworks)withoptimumlearningrateisproposed.Thedynamicoptimumlearningratewhichdeterminedbygradientdescentandclassicaloptimizationtechniqueisusedtoadjusttheweig

8、htchangesofRBFneuralnetworksinanadaptiveway.Withthedynamicoptimumlearningrate,theRBFneuralnetworkscanensurefastandstablelearningsimultaneously.Inordertoverifytheeffectivenes