Канцедал, Георгій ОлеговичТарасова, Ганна Ігорівна2025-09-222025-09-222025Тарасова, Г. І. Порівняльний аналіз CNN моделей для задачі прогнозування курсу криптовалют : дипломна робота … бакалавра : 124 Системний аналіз / Тарасова Ганна Ігорівна. – Київ, 2025. – 89 с.https://ela.kpi.ua/handle/123456789/76191Дипломна робота: 89 с., 21 рис., 7 табл., 2 додатки, 13 джерел. Обʼєкт дослідження - процес прогнозування цін на криптовалюту за допомогою згорткових нейронних мереж (CNN). Предмет дослідження - архітектури згорткових нейронних мереж (CNN) та їх застосування до різних типів вхідних даних: зображень свічкових графіків та числових часових рядів. Мета роботи - провести порівняльний аналіз ефективності двох підходів до прогнозування курсу криптовалют на основі CNN: моделі, що працює із зображеннями (CNN 2D), та моделі, що працює з числовими рядами (CNN 1D), з метою виявлення їхніх переваг, недоліків та практичної придатності для фінансового аналізу. У процесі виконання роботи було здійснено збір, обробку та підготовку даних з біржі Binance, реалізовано підключення до бази даних PostgreSQL для зберігання та вибірки історичних котирувань. Побудовано та навчено дві архітектури згорткових нейронних мереж: одну для зображень свічкових графіків, іншу — для числових рядів. Проведено оцінювання моделей за метриками MAE та MSE, побудовано графіки реальних та передбачених значень, а також здійснено аналіз похибок. Порівняння результатів показало, що модель CNN 1D демонструє кращу точність при роботі з числовими рядами, тоді як CNN 2D краще візуалізує загальні тренди, але поступається за точністю прогнозу. Отримані висновки можуть бути використані для подальшого розвитку автоматизованих систем фінансового прогнозування на основі глибокого навчання.89 с.ukкриптовалютачасові рядизгорткові нейронні мережіпрогнозуванняBachelor Thesis