HHO增强MLP神经网络:提升黄金价格预测的效率与准确性
154 浏览量
更新于2024-06-17
收藏 2.18MB PDF 举报
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。
2022-06-29 上传
论文
论文
论文
论文
2023-09-09 上传
2023-05-18 上传
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 5
- 资源: 2万+
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