贝叶斯神经网络在股票时间序列预测中的应用
来源：计算机工程与应用杂志2019年第12期北京时间：
作者：刘 恒，侯 越
单位：兰州交通大学 电子与信息工程学院，兰州 730070
摘要：针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题，采用贝叶斯正则化（Bayesian Regularization，BR）算法改进传统BP神经网络模型。该算法在保证网络误差最小的前提下，通过历史数据的先验概率调整BP模型的适应度函数，使网络的泛化能力得到提升。在股票时间序列预测的实证性研究中表明，比传统BP模型在预测精度上提高42.81%。
关键词：贝叶斯正则化,神经网络,股票时间序列预测
