Optimisation-Enabled Transfer Learning Framework for Stock Market Prediction

学习迁移 计算机科学 股票市场 库存(枪支) 传输(计算) 机器学习 人工智能 机械工程 古生物学 并行计算 工程类 生物
作者
Pankaj Rambhau Patil,Deepa Parasar,Shrikant Charhate
出处
期刊:Journal of Information & Knowledge Management [World Scientific]
标识
DOI:10.1142/s0219649224500138
摘要

Stock market prediction is a vital task with high attention for gaining attractive profits with proper decisions to invest. Predicting the stock market is becoming a major challenge nowadays due to chaotic data, non-stationary data, and blaring data. Hence, it’s challenging for investors to invest money to make profits. Many techniques are developed to predict stock market trends, but each differs based on time and year. In this paper, hybridised optimisation algorithm, namely the proposed Gannet Ladybug Beetle Optimisation (GLBO), is used for training Transfer Learning (TL), which considers Convolutional Neural Network-enabled Long Short-Term Memory (CNN-enabled LSTM). This TL is responsible for predicting the stock market from augmented data. Here, the stock market dataset of two companies is used as input time series data. Moreover, many features are extracted from those input data and then from those features, necessary features are selected based on Motyka similarity. The bootstrap method is used in this paper for data augmentation. Also, GLBO is hybridised with Gannet Optimisation Algorithm (GOA) along Ladybug Beetle Optimisation (LBO) algorithm. Furthermore, the proposed model is verified for its performance capability based on three metrics, Mean Squared Error (MSE), Root Mean Squared Error (RMSE), as well as Mean Absolute Percentage Error (MAPE) with values of 5.8%, 24.1%, and 78.8%.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
9239完成签到 ,获得积分10
刚刚
幼荷完成签到 ,获得积分10
刚刚
沉默的婴完成签到 ,获得积分10
1秒前
辞清完成签到 ,获得积分10
4秒前
科研通AI2S应助jxas采纳,获得10
7秒前
处处吻完成签到 ,获得积分10
12秒前
MADAO完成签到 ,获得积分10
13秒前
Avicii完成签到 ,获得积分10
24秒前
25秒前
25秒前
28秒前
Jaja发布了新的文献求助10
29秒前
友好亚男完成签到 ,获得积分10
30秒前
吱吱发布了新的文献求助10
32秒前
认真搞科研啦完成签到,获得积分10
34秒前
哈哈完成签到 ,获得积分10
34秒前
chhzz完成签到 ,获得积分10
37秒前
电子屎壳郎完成签到,获得积分10
37秒前
彭于晏应助吱吱采纳,获得10
39秒前
青菜虫子完成签到 ,获得积分10
40秒前
QCB完成签到 ,获得积分10
47秒前
快乐太英完成签到 ,获得积分10
47秒前
MEMSforever完成签到,获得积分20
59秒前
xiaofenzi完成签到,获得积分10
1分钟前
阿浮完成签到 ,获得积分10
1分钟前
犬狗狗完成签到 ,获得积分10
1分钟前
宁静致远完成签到,获得积分10
1分钟前
徐茂瑜完成签到 ,获得积分10
1分钟前
水盒子发布了新的文献求助10
1分钟前
狮子座完成签到 ,获得积分10
1分钟前
星光完成签到 ,获得积分10
1分钟前
ccczzzyyy完成签到,获得积分10
1分钟前
1分钟前
weng完成签到,获得积分10
1分钟前
乒坛巨人完成签到 ,获得积分10
1分钟前
宸浅完成签到 ,获得积分10
1分钟前
风趣的冬卉完成签到 ,获得积分10
1分钟前
研友_LpvQlZ完成签到,获得积分10
1分钟前
萧水白完成签到,获得积分10
1分钟前
坚强的铅笔完成签到 ,获得积分10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709891
关于积分的说明 7418319
捐赠科研通 2354494
什么是DOI,文献DOI怎么找? 1246122
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921