我目前正在使用神经网络进行股票价格预测项目。我打算使用相同的数据输入（历史数据和一些技术指标）比较3种不同的神经网络，然后使用不同的NN预测第二天的收盘价格。
我知道多层感知器（MLP）可能是最基本的，所以我应该将它与其他2个人工神经网络进行比较以及为什么？任何帮助指出我正确的方向将不胜感激。谢谢！
我正在为这个项目使用MATLAB，所以如果有任何可用的源代码，我可以查看代码并尝试了解正在发生的事情将是好的
答案 0 :(得分：0)
解决方案焦点歧义：
专注于ANN类型：
如果您的演示项目意图侧重于仅仅展示基于人工神经网络的预测变量中使用的不同“技术”，则可以找到3种不同类型的可行学术资源 - {感知器，RBM，自动编码器，递归NN，深度复发} - 根据您希望得到的原始结果进行测试。请注意，某些类型的计算资源无需如此直接。因此，请根据您的时间，您计划解决的详细程度和预算谨慎选择。
关注人工神经网络培训流程的质量：
如果您的项目旨在比较各种人工神经网络在人工神经网络培训过程中所取得的各自进展（收敛，对偏见/过度拟合的敏感性，能力/概括程度），则无需花费太多关于ANN-Design的努力，但是你需要足够数量的data[M,N]一个好的基于优化器的框架来微调你的实验ANN的参数化。记住你的问题的计算复杂性... O（f（N））...你的战斗将在优化器参数化状态空间与O（f（N））对比实际的数据规模[m，的n + S]
关注前向测试中产生的预测质量（关于样本外数据）：
如果您的项目旨在实现预测变量输出的更复杂的定量比较，那么除了类型 - 神经网络之外，还有更重要的方面。
Out[j] （Predictor的预期输出究竟是什么？）[M,N]清理[m<M,N]＆amp;神智[n<N]选择＆amp;合成特征[s]构造......即
的特征的工程 In[n+s] In[n+s]， Hidden[xthLAYER][varNODEs] ，Out[j]}