Cenová predikce bitcoinu pomocí neuronových sítí – Bc. Robin Široký
Bc. Robin Široký
Master's thesis
Cenová predikce bitcoinu pomocí neuronových sítí
Bitcoin price prediction using neural networks
Abstract:
Cílem této práce je porovnat různé architektury hlubokých neuronových sítí aplikovaných na predikci ceny Bitcoinu. Vybrané architektury představují vícevrstvý Perceptron, rekurentní neuronové sítě a konvolunční neuronové sítě. Kromě popisu architektur jednotlivých modelů a jejich použití pro predikci ceny je značná část práce věnována příslušným hyperparametrům, parametrům a jejich optimalizaci pomocí …moreAbstract:
This thesis aims to compare various deep neural network architectures in the Bitcoin price prediction. The selected architectures represent Multilayer Perceptron, Recurrent neural networks and Convolutional neural networks. Besides describing the architecture of individual model structures and their application to price prediction, a significant part of the work is devoted to their hyperparameters …more
Language used: English
Date on which the thesis was submitted / produced: 5. 1. 2024
Identifier:
https://is.muni.cz/th/qzfg7/
Thesis defence
- Date of defence: 31. 1. 2024
- Supervisor: doc. Ing. Tomáš Plíhal, Ph.D.
- Reader: Ph.D. Axel Alejandro Araneda Barahona
Citation record
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Masarykova univerzita, Ekonomicko-správní fakultaMasaryk University
Faculty of Economics and AdministrationMaster programme / field:
Finance / Financial Markets, Institutions and Technologies
Theses on a related topic
-
Automatic Recognition of User Interface States Using Convolutional Neural Networks
Klára Petrovičová -
Modelling small-RNA binding using Convolutional Neural Networks
Eva Klimentová -
Visualization of hidden layers in convolutional neural networks
Jakub Hruška -
Segmentation of Dense Cell Populations using Convolutional Neural Networks
Filip Lux -
Interpretation techniques for deep neural networks in digital histopathology
Martin Krebs -
Automatic trackingand assessment of chronic wounds using augmented skin imaging and convolutional neural networks
Monika Molnárová -
Optimization of neural network
Martin BULÍN -
Application of neural network edges for a possible embedding into supply chain management
Temur Dzhuraev