Ляшенко, Олена ІгорівнаОлена ІгорівнаЛяшенко0000-0003-4823-5143Кравець, Тетяна ВікторівнаТетяна ВікторівнаКравецьРепецький, Є.Є.Репецький2026-05-222026-05-222020-06-10Liashenko, O., Kravets, T., & Repetskiyi, Y. (2020). Application of Artificial Intelligence to Bitcoin Course Modelling. Bulletin of Taras Shevchenko National University of Kyiv. Economics, (209), 14–20. https://doi.org/10.17721/1728-2667.2020/209-2/2УДК 330.4, 519.2, 336.7, 339.7, 004.8, 004.94JEL classification: C45, C58, E44, E47, G1710.17721/1728-2667.2020/209-2/2https://ir.library.knu.ua/handle/15071834/21833Artificial neural networks are modern methods suitable for solving the problem of nonlinear dependency approximation, which is successfully applied in many fields. This paper compares the predictive capabilities of Back Propagation, Radial Basis Function, Extreme Learning Machine, and Long-Short Term Memory neural networks to determine which artificial intelligence algorithm is best for modeling the price of Bitcoin opening. The criterion for comparing network performance was the standard deviation, the mean absolute deviation, and the accuracy of predicting the direction of change of course. At the same time, in the study of time series, it is recommended to perform a comprehensive data analysis using appropriate networks, depending on the length of the series and the specificity of the database.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.enArtificial intelligenceback propagationradial basis functionextreme learning machinelong-short term memorybitcoinштучний інтелектзворотне поширеннярадіально-базисні функціїекстремальна машина навчаннядовга короткотермінова пам'ятьбіткойнСтаття