“分解还是不分解：股票价格预测的不同神经网络和GBM模型之间的比较。”
在这个项目中，有9个文件：
LSTM.py具有该报告中提到的两种LSTM的代码。
TCN.py具有两个TCN的代码，但是它们具有相同的超参数。
GBM.py具有用于仿真价格几何布朗运动的代码。
stat_decompose.py将时间序列分解为三个部分：趋势，季节性和残差。
testing.py测试LSTM和TCN。
testing_GBM.py测试GBM模型。
testing_decomp3.py将八个分解模型的预测写到csv文件中。
RMSE_MAE_decompose.py从testing_decomp3生成的csv文件中收集预测，并将其与真实数据进行比较。
compare_results.py会打印出可预测某只股票以及平均RMSE和MAE的最佳模型。
报告摘要：
在这项工作中，考虑了18只
2021-12-04 10:47:12
990KB
1
delphi无标题窗体（borderstyle=bsnone）默认没有边框，无法移动，也无法拖拽必变窗体大小，本资源为无标题窗体加边框并可拖拽调整大小以及移动窗体位置。
2021-12-02 00:24:44
361KB
1
dragresize 可让用户调整页面DIV的大小和位置
dragresize 可让用户调整页面DIV的大小和位置
2021-11-30 22:11:07
9KB
1
自动增益控制 (AGC) 算法用于自动调整音频信号的语音电平。matlab 输入和输出信号范围从 -1 到 +1（1.1 版用于单声道和立体声输入）和浮点 C 代码（仅限对于单声道）输入和输出值的范围从 -32768 到 +32767（即通常用于语音处理的 16 位）。 该算法自动将信号的输出功率调整到所需水平。
2021-11-28 20:03:47
7KB
1