[发明专利]基于主成分分析优化的循环神经网络的股市分析模型

摘要

本发明公开了基于主成分分析优化的循环神经网络的股市分析模型，进行股市数据收集，同时进行股市的数据进行学习，给定按序列输入的学习数据X＝{X1，X2，...，Xτ}，循环神经网络的展开长度为τ，建立循环神经网络的循环单元，循环神经网络的循环单元为h(t)＝f(s(t‑1)，X(t)，θ)，式中h称为循环神经网络的系统状态，式中s是内部状态，与系统状态有关s＝s(h，X，y)，对股市数据进行分析处理，定义数据的状态权重和输入权重，此时每个循环单元当前时间步的状态由该时间步的输入和上一个时间步的状态决定：h(t)＝f(uh(t‑1)+wX(t)+b)，u，w是循环节点的权重，进行股市数据的学习。本发明提出利用循环神经网络进行股市数据的分析，结合卷积神经网络进行特征数据的学习，可以更好的进行数据模型的建立。