Pregled bibliografske jedinice broj: 1081977
Primjena LSTM modela dubokog učenja za predviđanje kretanja cijena dionica
Primjena LSTM modela dubokog učenja za predviđanje kretanja cijena dionica, 2020., diplomski rad, preddiplomski, Odjel za elektrotehniku i računarstvo, Dubrovnik
CROSBI ID: 1081977 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Primjena LSTM modela dubokog učenja za predviđanje kretanja cijena dionica
(Using LSTM Model to Predict Stock Prices)
Autori
Frano Rihter
Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, preddiplomski
Fakultet
Odjel za elektrotehniku i računarstvo
Mjesto
Dubrovnik
Datum
28.09
Godina
2020
Stranica
24
Mentor
Mario Miličević
Ključne riječi
duboko učenje, LSTM, dionice
(deep learning, LSTM, stock market)
Sažetak
Rad analizira mogućnosti primjene dubokog učenja na području vremenskih serija. Nakon teoretskog dijela u kojem su objašnjeni koncepti strojnog učenja i neuronskih mreža, prikazan je način rada LSTM algoritma. LSTM (Long short-term memory) algoritam je povratna neuralna mreža (RNN) koja, za razliku od unaprijednih mreža ima povratnu vezu. U praktičnom dijelu rada koriste se podaci cijene dionica Microsoft.corp u različitim vremenskim intervalima. Optimalni oblik modela se pokušava pronaći višestrukim testiranjem i različitim brojem prolaza kroz mrežu. Model je primijenjen koristeći programski jezik Python i TensorFlow biblioteku. LSTM model se pokazao dobar za kratkoročno predviđanje, a za bolje dugoročno predviđanje potrebno je modificirati mrežu.
Izvorni jezik
Hrvatski
Znanstvena područja
Računarstvo
