Пошук аномалій у часових рядах децентралізованих фінансів за допомогою ЛСТМ нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorЯворський, Олександр Андрійович
dc.contributor.authorНамчук, Олександр Ігорович
dc.date.accessioned2023-09-25T08:21:02Z
dc.date.available2023-09-25T08:21:02Z
dc.date.issued2023-06-20
dc.description.abstractДипломна робота за обсягом становить 45 сторінок, містить 1 таблицю та 21 рисунок. Для дослідження було використано 15 бібліографічних найменувань. В децентралізованому просторі фінансів (DeFi) зростаюча популярність та використання криптовалют та блокчейн-технологій спричиняють необхідність в ефективних методах аналізу та моніторингу фінансових даних. Особливу увагу приділяється пошуку аномалій у часових рядах, які можуть вказувати на непередбачувані події або шахрайську діяльність. На сьогоднішній день існують різноманітні методи пошуку аномалій, такі як статистичні моделі, методи машинного навчання та алгоритми кластеризації. Однак, враховуючи складність та динаміку фінансових ринків DeFi, необхідні більш потужні та гнучкі методи. В цьому контексті, використання нейронних мереж з довго-короткотривалою пам'яттю (Long Short-Term Memory, LSTM) може бути обіцяючим підходом до пошуку аномалій у часових рядах DeFi. LSTM мережі дозволяють зберігати та використовувати інформацію з попередніх періодів, що робить їх ефективними в аналізі послідовних даних зі змінною структурою та залежностями у часі. Ця робота досліджує можливості та переваги використання LSTM нейронних мереж для пошуку аномалій у часових рядах децентралізованих фінансів та розробці ефективної моделі, яка здатна їх виявляти. Дипломна робота може бути служити основою для розробки комплексних системи моніторингу та знаходження аномалій в часових рядах децентралізованих фінансів. Вона надасть компаніям та інвесторам потужний інструмент для виявлення фінансових можливостей, оптимізації прибутків та прийняття обґрунтованих рішень в реальному часі.uk
dc.description.abstractotherThe explanatory note of the diploma work consists of 45 pages and includes 1 table and 21 figures. 15 bibliographic references were used for the research. In the decentralized finance (DeFi) space, the growing popularity and use of cryptocurrencies and blockchain technologies creates a need for effective methods of analyzing and monitoring financial data. Particular attention is paid to anomaly detection in time series that may indicate unexpected events or fraudulent activity. Today, there are a variety of anomaly detection methods, such as statistical models, machine learning methods, and clustering algorithms. However, given the complexity and dynamics of DeFi financial markets, more powerful and flexible methods are needed. In this context, the use of long-short-term memory (LSTM) neural networks can be a promising approach to finding anomalies in DeFi time series. LSTM networks allow you to store and use information from previous periods, which makes them effective in analyzing sequential data with variable structure and time dependencies. This work explores the possibilities and advantages of using LSTM neural networks to search for anomalies in decentralized finance time series and to develop an effective model capable of detecting them. The thesis can serve as a basis for the development of complex systems for monitoring and finding anomalies in the time series of decentralized finances. It will provide companies and investors with a powerful tool for identifying financial opportunities, optimizing profits and making informed decisions in real time.uk
dc.format.extent45 с.uk
dc.identifier.citationНамчук, О. І. Пошук аномалій у часових рядах децентралізованих фінансів за допомогою ЛСТМ нейронних мереж : дипломна робота … бакалавра : 113 Прикладна математика / Намчук Олександр Ігорович. – Київ, 2023. – 45 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60520
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectпошук аномалійuk
dc.subjectanomaly detectionuk
dc.subjectдецентралізовані фінансиuk
dc.subjectdecentralized financeuk
dc.subjectлстм-мережіuk
dc.subjectlstm neural networksuk
dc.subjectрекурентний аналізuk
dc.subjectrecurrent analysisuk
dc.titleПошук аномалій у часових рядах децентралізованих фінансів за допомогою ЛСТМ нейронних мережuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Namchuk_bakalavr.pdf
Розмір:
3.93 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММАД)
Бакалаврські роботи