solutionmanualfornumericalanalysisanswerpdf
2023/3/7 4:28:31
8.22MB
NumericalComputingwithMaTLAB【MATLAB数值计算（2013修订版）】CleveB.Moler编著，此书中所需求的工具箱ncm。
是最新版本的书籍配套的工具箱。
NumericalComputingwithMaTLAB【MATLAB数值计算（2013修订版）】CleveB.Moler编著，此书中所需求的工具箱ncm。
是最新版本的书籍配套的工具箱。
是最新版本的书籍配套的工具箱。
NumericalComputingwithMaTLAB【MATLAB数值计算（2013修订版）】CleveB.Moler编著，此书中所需求的工具箱ncm。
是最新版本的书籍配套的工具箱。
2023/3/6 2:07:40
636KB
基于简单遗传算法的神经网络训练速度慢、易陷入局部极值,用具有较好的全局搜索能力自顺应遗传算法来优化神经网络权值和阈值,设计了基于自顺应遗传算法的BP神经网络的股票预测系统.该系统根据对股票历史数据分析,预测股价未来几天时间的走势.结果表明,改进算法具有很强的可行性和高效性.
2023/3/5 17:05:28
331KB
涛哥最新出品的体系化《用户画像综合项目教程》，涵盖用户画像技术架构设计、用户画像标签模型设计、各类现实标签、统计标签、模型标签、策略标签等的具体实现，包含idmapping，图计算sparkgraphx，朴素贝叶斯模型，评论文本NLP分析等各类算法非常适合有一定大数据开发技术基础，但缺乏综合项目经验的同学学习
2023/3/4 7:44:36
3.86MB
包含以下3个资源：1）Degree_Distribution.m--复杂网络度分布计算的Matlab程序，这个Matlab程序是一个对复杂网络的度分布进行计算的程序，用于复杂网络的分析。
2）复杂网络节点度及度分布的MATLAB代码.txt--复杂网络节点度和度分布计算的MATLAB代码，用来计算复杂网络的节点度和度分布以及度的积累概率分布。
3）网络重要节点排序方法综述_任晓龙(带附表).pdf
2）复杂网络节点度及度分布的MATLAB代码.txt--复杂网络节点度和度分布计算的MATLAB代码，用来计算复杂网络的节点度和度分布以及度的积累概率分布。
3）网络重要节点排序方法综述_任晓龙(带附表).pdf
2023/3/4 5:29:23
1.56MB
大数据组件，官方版本：CDH5.9.0操作零碎：CentOS7/RHEL7完整系列：cloudera-manager-agent-5.9.0-1.cm590.p0.249.el7.x86_64.rpmcloudera-manager-daemons-5.9.0-1.cm590.p0.249.el7.x86_64.rpmcloudera-manager-server-5.9.0-1.cm590.p0.249.el7.x86_64.rpmcloudera-manager-server-db-2-5.9.0-1.cm590.p0.249.el7.x86_64.rpm
2023/2/23 12:58:57
8KB
压缩包内含：基于LSTM的股票价格预测_数据+代码+报告，可以最为数据挖掘的大作业。
股票作为人民金融投资的普遍方式，如何在股票中赚钱成为股民的共同目标。
要想在股票买卖中赚钱便要掌握股票的走势，因此股票价格预测工作引起社会及学术界的广泛关注。
股票的走势随市场变动，而且受诸多因素影响，如国际环境，政策变化，行业发展，市场情绪等等，这使得股民很难预测股票的走势。
理论上，根据股票以往的价格走势，可以预测股票的未来走势。
因为股票预测是高度非线性的，这就要预测模型要能够处理非线性问题，并且，股票具有时间序列的特性，因此适合用循环神经网络对股票进行预测。
虽然循环神经网络（RNN），允许信息的持久化，然而，一般的RNN模型对具备长记忆性的时间序列数据刻画能力较弱，在时间序列过长的时候，因为存在梯度消散和梯度爆炸现象RNN训练变得非常困难。
Hochreiter和Schmidhuber提出的长短期记忆（LongShort-TermMemory，LSTM）模型在RNN结构的基础上进行了改造，从而解决了RNN模型无法刻画时间序列长记忆性的问题。
因此，本文基于LSTM实现一个股票价格预测模型。
股票作为人民金融投资的普遍方式，如何在股票中赚钱成为股民的共同目标。
要想在股票买卖中赚钱便要掌握股票的走势，因此股票价格预测工作引起社会及学术界的广泛关注。
股票的走势随市场变动，而且受诸多因素影响，如国际环境，政策变化，行业发展，市场情绪等等，这使得股民很难预测股票的走势。
理论上，根据股票以往的价格走势，可以预测股票的未来走势。
因为股票预测是高度非线性的，这就要预测模型要能够处理非线性问题，并且，股票具有时间序列的特性，因此适合用循环神经网络对股票进行预测。
虽然循环神经网络（RNN），允许信息的持久化，然而，一般的RNN模型对具备长记忆性的时间序列数据刻画能力较弱，在时间序列过长的时候，因为存在梯度消散和梯度爆炸现象RNN训练变得非常困难。
Hochreiter和Schmidhuber提出的长短期记忆（LongShort-TermMemory，LSTM）模型在RNN结构的基础上进行了改造，从而解决了RNN模型无法刻画时间序列长记忆性的问题。
因此，本文基于LSTM实现一个股票价格预测模型。
2023/2/23 2:23:41
1.03MB