Застосування штучного інтелекту до моделювання курсу біткойна

[APA 7] Ляшенко, О. І., Кравець, Т. В., & Репецький, Є. (2020). Application of Artificial Intelligence to Bitcoin Course Modelling. Вісник Київського національного університету імені Тараса Шевченка. Економіка, (2(209)), 14–20. https://doi.org/10.17721/1728-2667.2020/209-2/2

[ДСТУ] Ляшенко О. І., Кравець Т. В., Репецький Є. Application of Artificial Intelligence to Bitcoin Course Modelling. Вісник Київського національного університету імені Тараса Шевченка. Економіка. 2020. no. 2(209). P. 14—20. DOI: 10.17721/1728-2667.2020/209-2/2 (date of access: 25.07.2026).

Штучні нейронні мережі – це сучасний метод, придатний для вирішення задачі апроксимації нелінійної залежності, що успішно застосовується у багатьох сферах. У цій статті порівнюються можливості прогнозування нейронних мереж зворотного поширення, радіальнобазисних функцій, екстремальної машини навчання та довгої короткотермінової пам'яті, щоб визначити, який алгоритм штучного інтелекту найкращий для моделювання ціни біткойну. Критерієм порівняння продуктивності мережі було стандартне відхилення, середнє абсолютне відхилення та точність прогнозування напрямку зміни курсу. Разом із тим, при вивченні часових рядів рекомендується проводити комплексний аналіз даних, використовуючи відповідні мережі, залежно від довжини ряду та специфіки бази даних.

Ключові слова :

Artificial intelligence back propagation radial basis function extreme learning machine long-short term memory bitcoin штучний інтелект зворотне поширення радіально-базисні функції екстремальна машина навчання довга короткотермінова пам'ять біткойн

Галузі знань та спеціальності :

05 Соціальні та поведінкові науки::051 Економіка

Галузі науки і техніки (FOS) :

Соціальні науки

Файл(и) :

Завантажити

Формат :

Adobe PDF

Розмір :

463.65 KB

Контрольна сума :

(MD5):52a0a15e6fa9eaf40ca717a0b39251f7

Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International