文章 "数据科学和机器学习（第 26 部分）：时间序列预测的终极之战 — LSTM 对比 GRU 神经网络" 新评论 MetaQuotes 2025.03.28 14:51 新文章 数据科学和机器学习（第 26 部分）：时间序列预测的终极之战 — LSTM 对比 GRU 神经网络已发布： 在上一篇文章中，我们讨论了一个简单的 RNN，尽管它对理解数据中的长期依赖关系无能为力，却仍能制定可盈利策略。在本文中，我们将讨论长-短期记忆（LSTM）、门控递归单元（GRU）。引入这两个是为了克服简单 RNN 的缺点，并令其更聪慧。 LSTM（长-短期记忆）和 GRU（门控递归单元）神经网络都是强力工具，为交易者寻求先进的时间序列预测模型。而 LSTM 提供了更复杂的架构，擅长捕获市场数据中的长期依赖关系，GRU 则提供了一种更简单、更高效的替代品，通常能以更低的计算成本匹敌 LSTM 的性能。 这些时间序列深度学习模型（LSTM 和 GRU）已在外汇交易之外的各个领域所用，例如天气预报、能耗建模、异常检测、和语音识别，且如大肆宣传般取得了巨大成功，然而，在始终变化的外汇市场中，我不能保证这样的承诺。 作者：Omega J Msigwa 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 数据科学和机器学习（第 26 部分）：时间序列预测的终极之战 — LSTM 对比 GRU 神经网络已发布：
在上一篇文章中，我们讨论了一个简单的 RNN，尽管它对理解数据中的长期依赖关系无能为力，却仍能制定可盈利策略。在本文中，我们将讨论长-短期记忆（LSTM）、门控递归单元（GRU）。引入这两个是为了克服简单 RNN 的缺点，并令其更聪慧。
LSTM（长-短期记忆）和 GRU（门控递归单元）神经网络都是强力工具，为交易者寻求先进的时间序列预测模型。而 LSTM 提供了更复杂的架构，擅长捕获市场数据中的长期依赖关系，GRU 则提供了一种更简单、更高效的替代品，通常能以更低的计算成本匹敌 LSTM 的性能。
这些时间序列深度学习模型（LSTM 和 GRU）已在外汇交易之外的各个领域所用，例如天气预报、能耗建模、异常检测、和语音识别，且如大肆宣传般取得了巨大成功，然而，在始终变化的外汇市场中，我不能保证这样的承诺。
作者：Omega J Msigwa