混合智能:ELM-Jaya模型提升外汇汇率预测精度
本文主要探讨了"ELM-Jaya模型:汇率预测中的混合智能机器学习方法与性能比较"这一主题,它发表在沙特国王大学学报上,由Smruti Rekha Das Dad、Debahuti Mishra和Minakhi Rout三位作者合作完成。研究焦点在于利用极限学习机(ELM)和Jaya优化技术结合,构建了一种新颖的混合智能机器学习模型来预测货币汇率,特别关注的是美元对印度卢比和美元对欧元的汇率。 ELM是一种特殊的函数连接人工神经网络(FLANN),它具有快速训练和良好的泛化能力,对于非线性复杂问题有出色的表现。Jaya算法则是一种生物启发式优化算法,其灵感来源于蜜蜂和乌鸦的社会行为,能够有效地搜索解空间。通过结合这两种技术,研究人员设计的模型能够在不同的时间范围内(从1天到1个月),同时考虑统计指标、技术指标以及它们的组合,来提高预测精度。 该研究将ELM-Jaya模型与现有的优化神经网络和功能链接人工神经网络进行比较,评估其预测性能。评估指标包括平均绝对百分比误差(MAPE),Tylor's U检验,平均绝对偏差(MAE)和调整相关系数(ARV)等,以全面衡量模型的准确性、稳定性及一致性。结果表明,ELM-Jaya模型在技术指标上的表现优于统计指标和两者结合的情况,特别是在处理高波动性和复杂关联的外汇数据时,显示出显著的优势。 研究结论指出,ELM-Jaya模型对于实时和准确的汇率预测具有潜力,为金融市场的参与者提供了有效的工具。然而,进一步的研究可能需要考虑更多的影响因素和改进模型的鲁棒性,以应对不断变化的经济环境。此外,本文的开放获取性质,使得其他学者可以在CC BY-NC-ND许可下自由地引用和扩展这项工作,推动了智能机器学习在金融市场预测领域的持续发展。
![](https://csdnimg.cn/release/download_crawler_static/88744740/bg5.jpg)
剩余21页未读,继续阅读
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
- 粉丝: 5
- 资源: 2万+
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)