基于卷积神经网络的股票预测PROFESSIONALPOWERPOINTTEMPLATE姓名:罗佳姓名:郑春燕姓名:王萌姓名:童徐能姓名:刘珈彤|学号:|学号:|学号:|学号:|学号:01|CNN基本概念02|CNN典型网络03|CNN训练过程04|案例背景概述CONTENTS目录05|案例分析结果CNN基本概念Part01制作人:罗佳汇报人:罗佳1.1引例-图像边界检测•假设我们有这样的一张图片，大小8×8，图的中间两个颜色的分界线就是要检测的边界。•怎么检测这个边界呢？设计一个滤波器（filter，也称为kernel），大小3×3：图片中的数字代表该位置的像素值，像素值越大，颜色越亮，所以为了示意，我们把右边小像素的地方画成深色。制作人:罗佳汇报人:罗佳“卷积”过程：用filter，往原图片上覆盖，对应元素相乘，然后求和。计算一个区域之后，就向其他区域挪动，接着计算，直到把原图片的每一个角落都覆盖到了为止。制作人:罗佳汇报人:罗佳◼CNN（convolutionalneuralnetwork），主要就是通过一个个的filter，不断地提取特征，从局部的特征到总体的特征，从而进行图像识别等等功能。◼每个filter中的各个数字就是参数，可以通过大量的数据，来让机器自己去“学习”这些参数。这就是CNN的基本原理。制作人:罗佳汇报人:罗佳卷积神经网络（ConvolutionalNeuralNetwork，CNN）是近年来在多层神经网络的基础上发展起来的针对图像分类和识别而特别设计的一种深度学习方法。卷积神经网络是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。卷积神经网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对卷积网络加以训练，网络就具有输入输出对之间的映射能力。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。在近些年的机器视觉领域和其他很多问题上，它是最具影响力的创新结果，卷积神经网络取得了当前最好的效果。1.2CNN基本概念制作人:罗佳汇报人:罗佳制作人:罗佳汇报人:罗佳1960s1980s1990s201201030204上世纪60年代，Hubel和Wiesel通过对猫视觉皮层细胞的研究，提出了感受野这个概念。20世纪90年代，YannLeCun等人发表论文，确立了CNN的现代结构，后来又对其进行完善。上世纪80年代，KunihikoFukushima在感受野概念的基础之上提出了神经认...