1．神经系统网络启蒙
我想粗略地介绍一下什么是神经系统网络以及怎样把它们应用到金融市场中去。这里着重要讲的是神经系统网络应用于金融预测的范例、体系结构，以及对训练和测试制度的作用。
神经系统网络通过在神经元之间传输信息来“学会”解决問題。这些神经元都是神经系统网络中的基本处理单位，一个神经系统网络一般都包含几层神经元。由网络体系结构确定需要几层神经元、每层需要多少神经元、它们是怎么联系起来的、需要使用什么样的传递函数等等。存在着无数的学习范例，包括金融分析中很流行的两个。第一个流行的范例是周期性發生的向后传播网络，它通过带有事实的指令得到暂时的信息。第二个范例是向前供给向后传播网络，它通过向后传播误差来进行训练。在这些误差中，暂时的信息通过使用一张预先处理过的数据“快照”译码成输入的数据。典型的向后传播网络体系结构如图5-7所示。这个范例在这里用来解释网络体系结构。
向后传播网络由一个输入层、一个或以上的隐藏层和一个输出层组成。输入层含有与每个独立的输入变量相关的神经元；输出层对每个将要预测的相互依靠的变量都有配套的神经元；而隐藏层则含有把输入层和输出层连接起来的隐藏神经元。各层之间一般都是完全连接的，一层中的每个神经元都与邻近层的神经元相连。
与每个输入神经元相关联的值被向前输入到第一个隐藏层的相关神经元，然后乘上一个适当的权重，加总起来，经过一个传递函数产生一个输出。来自第一个隐藏层的输出接着就要么被向前送入第二个隐藏层，要么就直接被送入只有一个隐藏层的网络的输出层。输出层的输出结果就是该网络做出的预测。
共12页: 上一页 [1] [2] [3] [4] [5] 6 [7] [8] [9] [10] [11] [12] 下一页
