Rekurrens hálók blockchain alapú kriptovaluták fölött

OData támogatás
Konzulens:
Kabódi László
Számítástudományi és Információelméleti Tanszék

A neurális hálózatok és egyéb gépi tanulási módszerek ma már széleskörűen elterjedt eszközöknek számítanak a gazdasági idősorok elemzésének a területén. A mechanizmusok amik ezen hálózatok belső működését irányítják a természetes agyaknak vélt működési mechanizmusain alapulnak, igaz egy egyszerűsített keretrendszerben, de egyetlen feladat megoldására koncentrálnak. Ezen digitális sturktúrákra gyakran hivatkoznak univerzális approximátorként mivel felhasználhatóságuk rendkívül széleskörű. A ForEx illetve a tőzsde piacokat gyakran használják amolyan iskola példaként, amikor Adam Smith tökéletes piaci kondícióiról beszélnek. A dolgozatomban azt vizsgálom, hogy vajon a kriptovaluták piaca egy, az előbb említetteknél is, jobb példa, úgy, hogy neurális hálózatok predikciós eredményeit hasonlítom össze ForEx illetve kriptovaluták idősorain. Ebben a dolgozatban bemutatom a ForEx és a kriptovaluták piacát, illetve a modern neurális hálózatok alapvető működését. Egyszerű statisztikákat felhasználva összemérem az eredményeket és következtetek melyik idősort befolyásolja több rejtett változó, melyiket tanulja nehezebben a hálózat.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.