Інтелектуальна система для визначення аномалій на графіку крипторинку

Скорочена інформація про документ
dc.contributor.advisorЧумаченко, Олена Іллівна
dc.contributor.authorБондаренко, Тимофій Андрійович
dc.date.accessioned2024-09-19T09:21:37Z
dc.date.available2024-09-19T09:21:37Z
dc.date.issued2024
dc.description.abstractДипломна робота: 110 с., 10 рис., 6 табл., 48 посилань, 2 додатки. Об’єкт дослідження – графіки цін криптовалют. Предмет дослідження – методи та техніки машинного навчання для виявлення аномалій на графіках цін криптовалют. Мета роботи – розробка та оптимізація інтелектуальної системи для виявлення аномалій на графіках крипторинку, що сприяє забезпеченню стабільності та безпеки фінансових інвестицій. У дипломній роботі детально розглядаються різноманітні методології для ідентифікації аномалій, включаючи традиційні статистичні техніки, а також сучасні алгоритми, що базуються на машинному та глибокому навчанні. Особливу увагу приділено використанню нейронних мереж, які забезпечують ефективну обробку об'ємних даних і здатні виявляти складні і непрості зразки у поведінці ринку криптовалют. У роботі проведено аналіз, як різні зовнішні та внутрішні фактори впливають на точність і надійність використовуваних систем. Також визначено, які конкретні параметри можуть спотворювати результати аналізу, і на основі цього розроблено ряд рекомендацій. Ці рекомендації мають на меті оптимізувати процеси виявлення аномалій, що дозволить забезпечити більшу точність виявлення реальних аномалій та мінімізувати помилкові позитиви. Викладені методи і підходи сприяють зростанню ефективності виявлення аномалій та підвищують загальну надійність аналітичних систем на крипторинку.
dc.description.abstractotherMaster's thesis: 110 p., 10 figures, 6 tables, 48 references, 2 appendixes. The object of the study is cryptocurrency price charts. The subject of research is machine learning methods and techniques for detecting anomalies in cryptocurrency price charts. The purpose of the work is to the development and optimization of an intelligent system for detecting anomalies on cryptocurrency market charts to enhance the stability and security of financial investments. This thesis comprehensively explores various methodologies for anomaly identification, including traditional statistical techniques as well as advanced algorithms based on machine learning and deep learning. Special emphasis is placed on the use of neural networks, which facilitate the efficient processing of large datasets and are capable of identifying complex and subtle patterns in cryptocurrency market behavior. The study analyzes how various external and internal factors influence the accuracy and reliability of the systems used. It also identifies specific parameters that can distort analysis results, based on which a series of recommendations are developed. These recommendations aim to optimize the anomaly detection processes, ensuring greater accuracy in identifying real anomalies and minimizing false positives. The methods and approaches presented contribute to the increased effectiveness of anomaly detection and enhance the overall reliability of analytical systems in the cryptocurrency market.
dc.format.extent111 с.
dc.identifier.citationБондаренко, Т. А. Інтелектуальна система для визначення аномалій на графіку крипторинку : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Бондаренко Тимофій Андрійович. – Київ, 2024. – 111 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/69064
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectаномалії
dc.subjectкриптовалюти
dc.subjectінтелектуальні системи
dc.subjectвиявлення аномалій
dc.subjectмашинне навчання
dc.subjectглибоке навчання
dc.subjectаналіз даних
dc.subjectнейронні мережі
dc.subjectфінансові ринки
dc.subjectчасові ряди
dc.subjectanomalies
dc.subjectcryptocurrencies
dc.subjectintelligent systems
dc.subjectanomaly detection
dc.subjectmachine learning
dc.subjectdeep learning
dc.subjectdata analysis
dc.subjectneural networks
dc.subjectfinancial markets
dc.subjecttime series
dc.titleІнтелектуальна система для визначення аномалій на графіку крипторинку
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Bondarenko_bakalavr.docx
Розмір:
1.89 MB
Формат:
Microsoft Word XML
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи