HHO增强MLP神经网络：提升黄金价格预测的效率与准确性

本文探讨了"基于存档的Harris Hawks优化器增强多层感知器神经网络预测黄金价格"这一主题，由Elsevier制作并发表在沙特国王大学学报上。作者们Iyad Abu-Dousha、Basem Ahmed等人来自多个学术机构，包括科威特美国大学、约旦耶尔穆克大学、阿克萨大学、阿拉伯联合酋长国阿治曼大学等，研究集中在结合Swarm智能优化技术中的HarrisHawks优化算法（HHO）进行黄金价格预测。 传统的多层感知器神经网络（MLP）对于权重和偏置的配置至关重要，但梯度下降方法可能存在收敛缓慢和易陷入局部最优的问题。HHO作为一种新颖的元启发式算法，通过模拟HarrisHawks的狩猎行为，提高了优化搜索的效率。为了进一步提升预测性能，研究人员在HHO的基础上引入了外部存档机制，将先前找到的最佳解决方案存储起来，以便在后续迭代中作为参考，这种方法被称为改进的HarrisHawks优化器（AHHO-NN）。 黄金价格预测在矿业投资决策中扮演关键角色，因此研究者使用AHHO-NN对具有复杂关系的输入特征，如通货膨胀率、贵金属价格等进行处理，以构建更精确的预测模型。文章强调了特征选择的重要性，通过两种特征约简方法，如皮尔逊相关性分析，来精简输入特征，以提高模型的预测准确性和解释性。 研究使用的数据集来源于多个可靠来源，并经过预处理以适应AHHO-NN模型。预测结果通过多种评估指标进行验证，旨在提供准确且可靠的黄金价格预测，这在金融领域具有实际应用价值。本文的工作不仅提升了黄金价格预测的精度，也为其他领域的预测问题提供了新的优化策略和方法。