神经网络股票预测噪声是什么_最近在研究回归分析，感觉用神经网络来做这个是不是不太合适，因为最终得到的模型在数学上不是很好表达？

一、最近在研究回归分析，感觉用神经网络来做这个是不是不太合适，因为最终得到的模型在数学上不是很好表达？

神经网络也是什么都能做，确实在解释上不好。
其实神经网络最后一层也是回归模型，只是输入层经过了几层。
现在问题是要精度还是解释。
神经网络需要的数据量大，一般回归模型没那么需要数据但精度不够。

二、bp神经网络怎么实现的预测，只会拟合

三、如何利用神经网络或者机器学习进行变量预测问题

现实生活中预测通常难做到精准，比如股市，自然灾害， 长久的天气预测。
 在市场这种系统里， 有两个关键要素， 一个是个体和个体之间的互相作用（博弈），一个是系统与外部环境（地球资源）之间的相互作用（反馈），因此而形成复杂模式

四、bp神经网络预测怎么和ga-bp优化后误差一样

In order to improve the efficiency and accuracy of prediction on gas content in coal seam ， in this paper ， a new method was raised to predict the gas content ， which adopted principal component analysis ( PCA) to reduce the correlation between variables first ， then combined BP neural network with genetic algorithm ( GA) .Considering the problem of slow convergence and easily trapping into the partial minimum ， the algorithm adopted GA to improve the weights and thresholds of BP neural network .Taking Matlab for writing programs ， the prediction models of gas content based on BP neural network and GA-BP network were established .The gas content and influence factors in a coal mine of Huainan were taken as experimental data to conduct practical analysis on this model ， and the predic-tion results of principal component regression and BP network algorithm were compared with the result of the model . The results showed that the average relative error of PCA-GA-BP network prediction model was 2.759%， which was better than those of principal component regression and BP network prediction model ， and it can accurately ；
predict gas content in the coal seam .

五、什么是蚁群算法，神经网络算法，遗传算法

蚁群算法又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。
它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。
蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。
神经网络  思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。
  逻辑性的思维是指根据逻辑规则进行推理的过程；
它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；
这一过程可以写成串行的指令，让计算机执行。
然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。
这种思维方式的根本之点在于以下两点：1.信息是通过神经元上的兴奋模式分布储在网络上；
2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。
  人工神经网络就是模拟人思维的第二种方式。
这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。
虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。
  神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。
目前，主要的研究工作集中在以下几个方面：  （1）生物原型研究。
从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。
  （2）建立理论模型。
根据生物原型的研究，建立神经元、神经网络的理论模型。
其中包括概念模型、知识模型、物理化学模型、数学模型等。
  （3）网络模型与算法研究。
在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。
这方面的工作也称为技术模型研究。
  （4）人工神经网络应用系统。
在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。
  纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。
我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。
遗传算法，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。

六、bp神经网络怎么实现的预测，只会拟合

测试BP神经网络的拟合能力和泛化能力，按这种说法是同一概念，但是拟合和泛化在其它领域是完全不同的，这个要区分清楚。
测试一个神经网络的拟合能力，这种说法很少用，大家经常用的是测试神经网络的泛化能力。

参考文档