基础文献1998 · International Journal of Forecasting

Forecasting with artificial neural networks:

Guoqiang Zhang · B. Eddy Patuwo · Michael Y. Hu

卷 14 · 期 1 · 35-62 · DOI: 10.1016/s0169-2070(97)00044-7

微观 · 网络与干扰机器学习与 DML 宏观 · 预测与即时预测阅读原文 ↗

BibTeX ↓RIS ↓

被引 4,242 次 ↗OpenAlex · 核验 2026-09-30

阅读说明

本页提供题录、可核实摘要与阅读线索。AI 解读未完成全文核验，可能有误；具体假设、证明和结论请核对原文。仅依据书目生成的内容属于阅读导航，不是对论文结论的确认。

摘要保留来源文本，未经模型改写。材料不足时保留待解读状态；引用采用 OpenAlex 单条关联记录，不合计版本，缺失不视为零，也不代表论文质量。

代码、数据与补充材料

正在核对对应版本的资源…

AI 解读 · 基于书目与阅读线索

人工神经网络预测：综述与评估

研究问题: 人工神经网络用于时间序列预测时，究竟在什么条件下优于传统统计方法，其建模与评估应遵循哪些规范？题名指向神经网络预测这一主题，而非某一具体数据集或单一模型的实证结论。
方法与思路: 依据书目信息只能判断这是一篇综述性文章，通常做法是梳理神经网络预测的建模流程、网络结构与训练算法，并比较其与传统线性或统计预测方法的差异；具体方法细节需以原文为准。
贡献核对线索: 资料仅有题名、作者、期刊与年份，未获得摘要，无法核实该文的具体贡献、结论或首创性。可确认的定位是：它发表于《International Journal of Forecasting》，属于神经网络预测领域的综述性文献。
预备知识: 建议先掌握时间序列预测的基本概念（平稳性、自相关、样本外预测误差），前馈网络与反向传播的直觉，以及过拟合、训练集与测试集划分、模型选择等一般统计学习知识。
阅读重点: 阅读时应核对：作者如何界定预测任务与数据条件；网络结构、输入变量和训练停止规则如何设定；与基准方法的比较是否公平；样本外评估指标和显著性判断是否充分；结论的适用范围与局限。
阅读边界: 仅基于书目信息与题名，尚未获得原文摘要，也未阅读全文；上述方法与贡献均为背景性推测，不能视为该文已证实的结论。

DeepSeek Flash · 2026-09-30 · 仅书目阅读导航

原文摘要

暂未获取可核实摘要，可通过原文链接查看。

正在读取解读与摘要…

笔记与分组

查找这个方法的新论文 →