[发明专利]一种深度信念网络DBN结构的动态设计及提高股票预测性能

权利要求书

1.一种深度信念网络DBN结构的动态设计及提高股票预测性能，包括隐含层和隐藏神经元的增减，其特征在于：所述隐藏神经元的增减取决于权重二次范数方根N_i，其计算公式为

N_i为单层受限波尔茨曼机训练完成后的可视层神经元i的2次范数方根；w_ij为可视层神经元i与隐藏层神经元j之间的连接权重；n为隐藏层神经元的个数。

2.根据权利要求1所述的一种深度信念网络DBN结构的动态设计及提高股票预测性能，其特征在于：所述隐藏神经元的删除与保留根据多元逐步回归方法的原理，设计了如下准则：

S1：首先计算N_i的和并求出单个N_i的相对比例R_i，计算过程为：

S2：然后根据的值，从大到小进行排序，并计算累加值MR；

S3：最后对于累加值MR设置阈值MR₀与MR₁，当MR小于阈值MR₀时，对已经累加的神经元进行分裂，并赋予同样的连接权值；当MR大于阈值MR₁时，将未累加的神经元删除。

3.根据权利要求1所述的一种深度信念网络DBN结构的动态设计及提高股票预测性能，其特征在于：所述隐藏层的增减采用平均百分比误差MAPE，当实际的MAPE满足第一公式条件时增加一个隐层；

当实际的MAPE满足第二公式条件时删除增加的隐层：

MAPE≥MAPE₀(第一公式)

MAPE_r＞MAPE_r-1(第二公式)

其中第二公式中表示r个隐含层时网络的平均百分比错误率，当其大于r-1个隐含层网络的百分比错误率时，对新增加的隐含层进行删除。