Cenová predikce bitcoinu pomocí neuronových sítí – Bc. Robin Široký
Bc. Robin Široký
Diplomová práce
Cenová predikce bitcoinu pomocí neuronových sítí
Bitcoin price prediction using neural networks
Anotace:
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 …víceAbstract:
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 …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 5. 1. 2024
Identifikátor:
https://is.muni.cz/th/qzfg7/
Obhajoba závěrečné práce
- Obhajoba proběhla 31. 1. 2024
- Vedoucí: doc. Ing. Tomáš Plíhal, Ph.D.
- Oponent: Ph.D. Axel Alejandro Araneda Barahona
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Ekonomicko-správní fakultaMasarykova univerzita
Ekonomicko-správní fakultaMagisterský studijní program / obor:
Finance / Finanční trhy, instituce a technologie
Práce na příbuzné téma
-
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 -
Tomographic back-projection of either sparse or low-quality projection views, based on convolutional neural networks (CNN)
Payal JAIN -
Optimization of neural network
Martin BULÍN -
Application of neural network edges for a possible embedding into supply chain management
Temur Dzhuraev