Публікація:
Нейромережевий підхід до вирішення задач прогнозування цін цифрового активу

dc.contributor.authorТроценко, О. І.
dc.date.accessioned2022-07-26T15:36:51Z
dc.date.available2022-07-26T15:36:51Z
dc.date.issued2022
dc.description.abstractВ результаті проведених досліджень була побудована архітектура мережі та підібрані ваги таким чином, щоб мережа вирішувала поставлене завдання. Отримані результати використовуються для порівняння точності прогнозування цін цифрового активу на тестовому наборі даних. В якості програмної платформи використано Anaconda та мова програмування Python з бібліотеками машинного навчання Google Tensorflow та Keras. Пропонована розробка є корисною для пошуку найкращого часу для створення портфеля інвестицій у цифрових активах.uk_UA
dc.identifier.citationТроценко О. І. Нейромережевий підхід до вирішення задач прогнозування цін цифрового активу : пояснювальна записка до атестаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 122 Комп’ютерні науки / О. І. Троценко ; М-во освіти і науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2022. – 69 с.uk_UA
dc.identifier.urihttps://openarchive.nure.ua/handle/document/20807
dc.language.isoukuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectпрогнозуванняuk_UA
dc.subjectanacondauk_UA
dc.subjectархітектура мережіuk_UA
dc.subjectpythonuk_UA
dc.titleНейромережевий підхід до вирішення задач прогнозування цін цифрового активуuk_UA
dc.typeOtheruk_UA
dspace.entity.typePublication

Файли

Оригінальний пакет
Зараз показано 1 - 2 з 2
Завантаження...
Зображення мініатюри
Назва:
2022_M_ShI_Trotsenko_OI.pdf
Розмір:
1.62 MB
Формат:
Adobe Portable Document Format
Завантаження...
Зображення мініатюри
Назва:
Dodatok_Trotsenko.pdf
Розмір:
164.33 KB
Формат:
Adobe Portable Document Format
Ліцензійний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
license.txt
Розмір:
9.42 KB
Формат:
Item-specific license agreed upon to submission
Опис: