Národní úložiště šedé literatury Nalezeno 1 záznamů.  Hledání trvalo 0.00 vteřin. 
Forex forecasting with Support vector regression and Long short-term memory recurrent neural network
Bodický, Michal ; Šíla, Jan (vedoucí práce) ; Krištoufek, Ladislav (oponent)
V posledních letech se obor strojového učení rozvíjel předtím nevídaným tempem. Následkem toho jsou i jeho četné aplikace zaměřené na předpověď vývoje cen devizového trhu. Autoři v nich většinou porovnávají neuronové sítě s lineárními modely. Přínos naší práce spočívá v obsáhlém porovnání dvou metod strojového učení, SVM regrese (SVR) a LSTM neuronové sítě (LSTM RNN), v předpovědi jednorozměrných minutových časových řad šesti vysoce obchodovaných měnových párů. V první analýze naše práce zkoumá přesnost obou metod v předpovědi následující hodnoty v závislosti na měnící se dimenzi vstupu. V druhé analýze zkoumáme jak metody predikují delší časové úseky, což je umožněno použitím rekurentní verze SVR. V první analýze je LSTM RNN většinou několikrát více přesné než SVR. Přesnost SVR je robustní vůči proměnné dimenzi vstupu, hodnoty LSTM RNN os- cilují napříč dimenzemi vstupu. Ve druhé analýze LSTM RNN většinou poráží SVR v řádu desetinásobků. S narůstajícím horizontem předpovědi se přesnost SVR zhoršuje ale přesnost LSTM RNN zůstává stejná. 1

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.