[發明專利]一種人工智能超深度學習的股票預測方法

在審

• 申請號: 201611034135.5
• 申請日: 2016-11-14
• 公開（公告）號: CN108074007A
• 公開（公告）日: 2018-05-25
• 發明（設計）人: 顧澤蒼
• 申請（專利權）人: 天津市阿波羅信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種人工智能超深度學習的股票預測方法，其特征如下：

將與預測有關的所有信息，或數學預測模型的計算結果通過微機器學習的處理送往超深度學習的輸入層的各個節點；每一個輸入層的各個節點信息通過微機器學習產生預測值與閥值送往神經層；頭腦層根據各個預測值得出預測范圍，并提出檢驗值再到各個神經層通過該神經層的預測值，或閥值進行興奮檢驗，最終得出最佳的預測值。

2.根據權利要求1所述的一種人工智能超深度學習的股票預測方法，其特征在于：上述微機器學習是指以概率尺度，或測度尺度為基準，通過迭代的方式不斷的產生更加精確的新的概率尺度，或測度尺度，以及數據的中心值的自組織算法。

3.根據權利要求1，或2所述的一種人工智能超深度學習的股票預測方法，其特征在于：上述概率尺度是指在具有概率分布的數據中可以找到一個尺度，可以標定數據中最大分布概率的范圍。

4.根據權利要求1，或2所述的一種人工智能超深度學習的股票預測方法，其特征在于：上述測度尺度是指在含有概率與模糊信息的數據中可以找到一個尺度，可以標定數據中最大分布概率與最緊密的模糊關系的范圍。

5.根據權利要求1乃至4所述的一種人工智能超深度學習的股票預測方法，其特征在于：上述概率尺度，或測度尺度可作為超深度學習模型中的構成頭腦神經觸發的閥值。

6.根據權利要求1乃至5所述的一種人工智能超深度學習的股票預測方法，其特征在于：上述與預測有關的所有信息包括社會學信息，經濟學信息，哲學信息，法律學信息，金融學信息，政治學信息，歷史信息，股票信息，基金對沖信息，預測相關的歷史數據信息中的至少一種信息。

7.根據權利要求1乃至5所述的一種人工智能超深度學習的股票預測方法，其特征在于：上述數學預測模型的計算結果包括通過相關分析計算方法所得到的預測值，曲線逼近計算方法所得到的預測值，統計學模型所獲的的預測值，最小二乘法所獲得的預測值，回歸分析所獲得的預測值在內的至少一種數學模型所獲的得計算結果。