Оптимізація параметрів та структури гібридних мереж глибокого навчання та їх застосування в задачах прогнозування
Вантажиться...
Дата
2022
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація: 102 с., 28 табл., 19 рис., 27 джерел, 3 додатки.
Об’єктом дослідження є фінансові процеси на ринках цінних паперів та
методи їх прогнозування.
Предмет дослідження – гібридні мережі глибокого навчання на основі
самоорганізації та оцінка їх ефективності в задачах прогнозування на
фінансових ринках.
Мета дослідження полягає в оцінці точності гібридних мереж глибокого
навчання у задачі прогнозування на фінансових ринках, порівнянні їх
ефективності на різних інтервалах з нейронною мережею LSTM та визначенні
класів задач прогнозування, для яких застосування відповідних
обчислювальних інтелектуальних технологій є найбільш перспективним.
Запропоновано та розроблено систему для оптимізації параметрів і
синтезу структури гібридних мереж глибокого навчання, а також візуалізації
результатів навчання та прогнозування. Експериментальним шляхом доведено
ефективність запропонованої системи.
Опис
Ключові слова
гібридна мережа глибокого навчання, мгуа-нео-фазі, оптимізація, синтез структури, LSTM, короткострокове прогнозування, середньострокове прогнозування, фінансові ринки
Бібліографічний опис
Кузьменко, О. В. Оптимізація параметрів та структури гібридних мереж глибокого навчання та їх застосування в задачах прогнозування : магістерська дис. : 122 Комп'ютерні науки / Кузьменко Олексій Віталійович. – Київ, 2022. – 106 с.