ساخت وبلاگ

ISSN آنلاین 2579-7298

کاربر

  • با موضوع
  • توسط نویسنده
  • با عنوان
  • چشم انداز
  • اشتراک در

درباره نویسندگان

Firmansyah Yunialfi Alfian Institut informatika Dan Bisnis Darmajaya اندونزی

دانشکده اقتصاد و تجارت ، گروه مدیریت

Faurani Santi Singagerda Institut Informatika Dan Bisnis Darmajaya ، Bandar Lampung اندونزی

دانشکده اقتصاد و تجارت ، گروه تجارت دیجیتال

موسسه ریکو هروانتو Informatika Dan Bisnis Darmajaya ، Bandar Lampung اندونزی

دانشکده علوم کامپیوتر ، گروه انفورماتیک

ابزارهای مقاله

چاپ این مقاله

نمایه سازی ابرداده

نحوه استناد به مورد

یافتن منابع

سیاست بررسی

ایمیل این مقاله (ورود به سیستم مورد نیاز)

به نویسنده ایمیل بزنید (ورود به سیستم مورد نیاز)

روش حافظه کوتاه مدت کوتاه برای بازار Blockchain Ethereum: تأسیس ادغام ETH 2. 0

خلاصه

هدف تحقیق برای شناسایی کاربرد LSTM در پیش بینی های اتریوم بر اساس داده ها و اطلاعات blockchain. این مطالعه یک مطالعه تجربی با استفاده از روش حافظه کوتاه مدت کوتاه مدت (LSTM) برای پیش بینی اطلاعات blockchain در بازار اتریوم است. این روش توسعه شبکه عصبی مکرر (RNN) و شبکه عصبی مصنوعی (ANN) است و برای تولید پیش بینی های دقیق به چندین پارامتر دقیق نیاز دارد.

این مطالعه چندین پارامتر مانند تعداد نورون ها در لایه پنهان و مناسب ترین دوره حداکثر برای استفاده را مورد تجزیه و تحلیل قرار داده است. نتایج تجزیه و تحلیل نشان می دهد که استفاده از نورون های 50 و Max Epoch 500 قادر به پیش بینی قیمت اتریوم با استفاده از اطلاعات blockchain به خوبی است ، که از یک خطای بسیار کوچک دیده می شود ، یعنی MAPE 1. 69 ٪ با بالاترین پیش بینی قیمت که در وسط سال 2021 به عنوان یک اتفاق می افتدتأثیر تغییرات در سیستم فناوری ، که قبلاً از اثبات کار (معدن) برای اثبات سهام (اعتبار سنج) بر فناوری فعلی ETH 2. 0 استفاده می شود ، در نتیجه کاهش در عرضه سکه هایی که در حال حاضر اتفاق می افتد ، کاهش یافته است

کلید واژه ها

cryptocurrency ، fintech ، blockchain ، پیش بینی ، ادغام

دوی

معیارهای مقاله

10. 29099/ijair. v6i1. 429 دیدگاه های انتزاعی: 160 |نماهای PDF: 34

استناد کردن

نحوه استناد به مورد

متن کامل

منابع

C. J. Coyne ، M. C. Munger ، G. J. Robson ، and D. W. Thomas ، "Cryptocurrency و مشکل واسطه گری" ، JSTOR ، 2016 ، دسترسی: 08 ژوئیه ، 2022. [آنلاین]. موجود: https://www. jstor. org/stable/44000162.

S. Smetanin ، A. Ometov ، M. Komarov ، P. Masek ، and Y. Koucheryavy ، "رویکردهای ارزیابی blockchain: چشم انداز پیشرفته و آینده" ، سنسورهای 2020 ، جلد. 20 ، صفحه 3358 ، جلد. 20 ، نه. 12 ، ص. 3358 ، ژوئن 2020 ، doi: 10. 3390/s20123358.

D. K. Sharma ، S. Pant ، M. Sharma ، and S. Brahmachari ، "مکانیسم های رمزنگاری برای blockchains: مدل ها ، ویژگی ها ، چالش ها و برنامه ها ،" Handb. resBlockchain Technol. ، صص 323-348 ، ژانویه 2020 ، doi: 10. 1016/b978-0-12-819816-2. 00013-7.

L. A. Abdillah ، "کاوش در یادگیری ترکیبی دانش آموز از طریق رسانه های اجتماعی ،" Comtech Compute. ریاضی. مهندسAppl. ، Vol. 7 ، نه. 4 ، ص. 245 ، دسامبر 2016 ، doi: 10. 21512/comtech. v7i4. 2495.

س. جانی ، "مروری بر اتریوم و مقایسه آن با بیت کوین" ، 2017 ، دسترسی: 08 ژوئیه ، 2022. [آنلاین]. موجود: http://www. ijser. org.

L. Macedo ، "blockchain برای تسهیل تجارت: Ethereum ، EWTP ، COS و مسائل نظارتی" ،ج. ، جلد. 12 ، نه. 2 ، صص 87-94 ، 2018 ، دسترسی: 08 ژوئیه ، 2022. [آنلاین]. در دسترس: https://worldcustomsjoual. org/archives/volume 12 ٪ 2C شماره 2 (سپتامبر 2018)/1855 00 WCJ V12N2 Complete. pdf؟ _t = 1563333690#صفحه = 94.

لونو ، "Apa itu Ethereum؟Mengenal Sejarah ، Fungsi Dan Cara Kerjanya-Luno ، "https://discover. luno. com/id ، 2020. https://discover. luno. com/id/apa-itu-ethereum-mengenal-ejarah-fungsi-dan-Cara-Kerjanya/ (دسترسی به ژوئیه 08 ، 2022).

D. Vujičić ، D. Jagodić ، and S. Randić ، "فناوری blockchain ، بیت کوین ، و Ethereum: یک نمای کلی ،" 2018 17th Int. سمپInfote h-Jahorina ، Infoteh 2018 - Proc. ، Vol. 2018-January ، صص 1-6 ، آوریل 2018 ، doi: 10. 1109/Infoteh. 2018. 8345547.

S. Kumar و S.. جوشی ، "تخمین پیش بینی بار - 2020 با استفاده از شبکه عصبی مصنوعی و اکتشاف" ، int. J. Res. مقعدروحانی ، جلد. 3 ، نه. 2 ، صص 48-53 ، 2016 ، دسترسی: 08 ژوئیه ، 2022. [آنلاین]. موجود: http://ijrar. com/upload_issue/ijrar_issue_273. pdf.

A. Nilsen ، B. D. H. ، and G. F. Hertono ، "مقایسه مدل میانگین متحرک یکپارچه خودرو (ARIMA) و مدل واحد مکرر (GRU) در پیش بینی قیمت سهام" ، AIP Conf. Proc. ، Vol. 2391 ، مارس 2022 ، doi: 10. 1063/5. 0073838.

A. F. Rasyid ، D. Agushinta و D.. Ediraras ، "روش های یادگیری عمیق در پیش بینی شاخص قیمت سهام کامپوزیت اندونزی (IHSG) ،" Int. J. Comput. inf. Technol. ، جلد. 10 ، نه. 5 ، 2021 ، دسترسی: 09 ژوئیه ، 2022. [آنلاین]. موجود: https://192. 99. 73. 25/index. php/ijcit/article/view/153.

M. Gao ، J. Li ، F. Hong و D. Long ، "پیش بینی قدرت روز در یک گیاه فتوولتائیک در مقیاس بزرگ مبتنی بر طبقه بندی آب و هوا با استفاده از LSTM ،" انرژی ، جلد. 187 ، نوامبر 2019 ، doi: 10. 1016/j. energy. 2019. 07. 168.

C. Fan ، J. Wang ، W. Gang ، and S. Li ، "ارزیابی استراتژی های مبتنی بر شبکه عصبی مکرر برای پیش بینی انرژی ساختمان کوتاه مدت ،" Appl. انرژی ، جلد. 236 ، صص 700-710 ، فوریه 2019 ، doi: 10. 1016/j. apenergy. 2018. 12. 004.

O. B. Sezer ، M. U. Gudelek ، and A. M. Ozbayoglu ، "پیش بینی سری زمانی مالی با یادگیری عمیق: یک بررسی ادبیات منظم: 2005-2019 ،" Appl. رایانه نرم. ، جلد. 90 ، ص. 106181 ، مه 2020 ، doi: 10. 1016/j. asoc. 2020. 106181.

S. Hochreiter و J. Schmidhuber ، "حافظه کوتاه مدت طولانی" ، رایانه عصبی ، جلد. 9 ، نه. 8 ، صص 1735-1780 ، نوامبر 1997 ، doi: 10. 1162/neco. 1997. 9. 8. 1735.

A. Graves ، حافظه کوتاه مدت بلند. اسپرینگر ، برلین ، هایدلبرگ ، 2012.

J. Qiu ، B. Wang و C. Zhou ، "پیش بینی قیمت سهام با شبکه عصبی حافظه با کوتاه مدت بر اساس مکانیسم توجه ،" PLOS ONE ، جلد. 15 ، نه. 1 ، صص 1-15 ، ژانویه 2020 ، doi: 10. 1371/joual. pone. 0227222.

J. Zheng ، C. Xu ، Z. Zhang ، and X. Li ، "پیش بینی بار برقی در شبکه های هوشمند با استفاده از شبکه عصبی مکرر مبتنی بر حافظه طولانی مدت ،" ، مه 2017 ، doi: 10. 1109/ciss. 2017. 7926112.

H. Jang و J. Lee ، "یک مطالعه تجربی در مورد مدل سازی و پیش بینی قیمت بیت کوین با شبکه های عصبی بیزی بر اساس اطلاعات blockchain ،" IEEE Access ، Vol. 6 ، صص 5427-5437 ، نوامبر 2017 ، doi: 10. 1109/دسترسی . 2017. 2779181.

F. Karim ، S. Majumdar ، H. Darabi ، and S. Harford ، "LSTM-FCN چند متغیره برای طبقه بندی سری زمانی ،" شبکه های عصبی ، جلد. 116 ، صص 237 245 ، آگوست 2019 ، doi: 10. 1016/j. neunet. 2019. 04. 014.

ج. Vercellis ، هوش تجاری: داده کاوی و بهینه سازی برای تصمیم گیری. جان ویلی و پسران ، 2011.

Z. C. Lipton ، D. C. Kale ، and R. Wetzel ، "مدل سازی داده های گمشده در سری های زمانی بالینی با RNN ها" ، در یادگیری ماشین برای مراقبت های بهداشتی ، ژوئن 2016 ، صص 253-270 ، دسترسی: 10 ژوئیه 2022. [آنلاین]بشرموجود: http://arxiv. org/abs/1606. 04130.

COLAH ، "درک شبکه های LSTM" ، 2016. http://colah. github. io/posts/2015-08-randerstanding-lstms/ (دسترسی به 10 ژوئیه 2022).

P. J. R و V. S. Das ، "پیش بینی قیمت Cryptocurrency با استفاده از مدل حافظه کوتاه مدت کوتاه ،" int. J. Res. علمینوآوری.| ، جلد. V ، نه. 7 ، صص 70-72 ، ژوئیه 2018 ، دسترسی: 10 ژوئیه 2022. [آنلاین]. موجود: www. rsisinteational. org.

R. Mathur ، T. Takavane ، T. Shah ، and R. Suryawanshi ، "سهام و پیش بینی قیمت رمزنگاری با استفاده از حافظه کوتاه مدت کوتاه مدت ،" Int. J. Eng. resTechnol. ، جلد. 11 ، نه. 5 ، ژوئن 2022 ، doi: 10. 17577/ijertv11is050378.

D. Yi ، J. Ahn ، S. J.-A. علوم ، و نامشخص 2020 ، "یک روش بهینه سازی مؤثر برای یادگیری ماشین بر اساس آدم" ، MDPI. com ، دسترسی: 10 ژوئیه 2022. [آنلاین]. موجود: https://www. mdpi. com/633898.

Ferdiansyah ، S. H. Othman ، R. Zahilah Raja MD Radzi ، D. Stiawan ، Y. Sazaki و U. Ependi ، "یک روش LSTM برای پیش بینی قیمت بیت کوین: یک مطالعه موردی بازار سهام مالی یاهو ،" در ICECOS 2019 - 3 بین المللیکنفرانس مهندسی برق و علوم کامپیوتر ، روند ، اکتبر 2019 ، صص 206 210 ، doi: 10. 1109/ICECOS47637. 2019. 8984499.

م. دبلیو. Aldi ، J. Jondri ، and A. Aisa ، "Analisis Dan Deparachasi ، شبکه عصبی کوتاه مدت حافظه کوتاه مدت untuk prediksi harga bitcoin ،" 2018 ، دسترسی: 10 ژوئیه 2022. [آنلاین]. موجود: https://core. ac. uk/download/pdf/299924171. pdf.

A. F. Khair ، M. K. Awang ، Z. A. Zakaraia ، and M. Mazlan ، "پیش بینی جریان روزانه در پیش بینی سریال های زمانی ،" J. نظریه. کاربردinf. Technol. ، جلد. 95 ، نه. 4 ، 2017 ، دسترسی: 13 اکتبر 2021. [آنلاین]. موجود: http://www. jatit. org/volumes/vol95no4/8vol95no4. pdf.

B. Huang ، Q. Ding ، G. Sun ، and H. Li ، "پیش بینی سهام بر اساس Bayesian-LSTM" ، در ICMLC 2018: مجموعه مقالات 10 مین کنفرانس بین المللی 2018 یادگیری و محاسبات ماشین ، فوریه 2018 ، صص. 128 133 ، doi: 10. 1145/3195106. 3195170.

Y. Chen ، J. Wu و Z. Wu ، "پیش بینی قیمت سهام بانک تجاری چین با استفاده از یک رویکرد ترکیبی رمان K-Means-LSTM ،" Expert Syst. Appl. ، Vol. 202 ، ص. 117370 ، سپتامبر 2022 ، doi: 10. 1016/j. eswa. 2022. 117370.

D. T. Campbell و J. C. Stanley ، طرح های تجربی و شبه آزمایشی برای تحقیقات. کتاب های Ravenio ، 2015.

J. W. Creswell و J. D. Creswell ، روش های طراحی کیفی ، کمی و روشهای مختلط ، ویرایش 5. Sage ، 2018.

D. Pradiatingtyas ، C. B. Dewa ، L. A. Safitri ، and S. Kiswati ، "تأثیر رضایت و وفاداری به کاربران سیستم پرداخت دیجیتال در بین نسل Z در منطقه ویژه Yogyakarta. ،" 2020 ، doi: 10. 1088/1742-6596/1641/1/012110.

W. M. A. احمد ، "واکنش بازار سهام نسبت به نوسانات صعودی و نزولی بیت کوین: یک تجزیه و تحلیل کمی ،" North Am. J. Econ. مالی. ، جلد. 57 ، ص. 101379 ، ژوئیه 2021 ، doi: 10. 1016/j. najef. 2021. 101379.

Etherchain ، "Ethereum (ETH) Maiet - نمودارها - Etherchain. org - 2022 ،" Etherum ، 2022. https://etherchain. org/charts (دسترسی به 18 مارس 2022).

T. Fischer و C. Krauss ، "یادگیری عمیق با شبکه های حافظه کوتاه مدت کوتاه مدت برای پیش بینی های بازار مالی" ، یورو. J. عملRes. ، جلد. 270 ، نه. 2 ، صص 654-669 ، اکتبر 2018 ، doi: 10. 1016/j. ejor. 2017. 11. 054.

L. Troiano ، E. M. Villa و V. Loia ، "تکرار یک استراتژی تجارت با استفاده از LSTM برای برنامه های صنعت مالی ،" IEEE Trans. Informatics Ind. ، جلد. 14 ، نه. 7 ، صص 3226-3234 ، ژوئیه 2018 ، doi: 10. 1109/tii. 2018. 2811377.

G. Van Houdt ، C. Mosquera ، and G. Nápoles ، "بررسی در مورد مدل حافظه کوتاه مدت بلند مدت" ، Artif. هوشروحانی ، جلد. 53 ، نه. 8 ، صص 5929-5955 ، دسامبر 2020 ، doi: 10. 1007/S10462-020-09838-1.

J. Truby ، R. D. Brown ، A. Dahdal ، and I. ابراهیم ، "blockchain ، آسیب آب و هوا و مرگ: مداخلات سیاست برای کاهش انتشار کربن ، مرگ و میر ، و پیامدهای خالص صفر از توکن های غیرقانونی و بیت کوین ،"resSOC. Sci. ، Vol. 88 ، ص. 102499 ، ژوئن 2022 ، doi: 10. 1016/j. erss. 2022. 102499.

این کار تحت مجوز بین المللی Creative Commons Attribution-Sharealike 4. 0 مجوز است.

____________________________________________________________

مجله بین المللی تحقیقات هوش مصنوعی

سازماندهی شده توسط: Departemen Teknik informatika Stmik Dharma Wacana منتشر شده توسط: Stmik Dharma Wacana JL. Kenanga No. 03 Mulyojati 16C Metro Barat Kota Metro Lampung

این کار تحت مجوز بین المللی Creative Commons Attribution-Sharealike 4. 0 مجوز است.

فارکس تحلیل تکنیکال...
ما را در سایت فارکس تحلیل تکنیکال دنبال می کنید

برچسب : نویسنده : مرتضی احمدی بازدید : <-PostHit-> تاريخ : يکشنبه 22 مرداد 1402 ساعت: 23:25