prikaz prve stranice dokumenta Primjena LTSM modela dubokog učenja za predviđanje kretanja cijena dionica
  Preuzmi
PDF 740.15 KB
završni rad
Primjena LTSM modela dubokog učenja za predviđanje kretanja cijena dionica
2020. urn:nbn:hr:155:934002
Rihter, Frano
Sveučilište u Dubrovniku
Fakultet elektrotehnike i primijenjenog računarstva

Citirajte ovaj rad

Rihter, F. (2020). Primjena LTSM modela dubokog učenja za predviđanje kretanja cijena dionica (Završni rad). Dubrovnik: Sveučilište u Dubrovniku. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:155:934002

Rihter, Frano. "Primjena LTSM modela dubokog učenja za predviđanje kretanja cijena dionica." Završni rad, Sveučilište u Dubrovniku, 2020. https://urn.nsk.hr/urn:nbn:hr:155:934002

Rihter, Frano. "Primjena LTSM modela dubokog učenja za predviđanje kretanja cijena dionica." Završni rad, Sveučilište u Dubrovniku, 2020. https://urn.nsk.hr/urn:nbn:hr:155:934002

Rihter, F. (2020). 'Primjena LTSM modela dubokog učenja za predviđanje kretanja cijena dionica', Završni rad, Sveučilište u Dubrovniku, citirano: 08.12.2024., https://urn.nsk.hr/urn:nbn:hr:155:934002

Rihter F. Primjena LTSM modela dubokog učenja za predviđanje kretanja cijena dionica [Završni rad]. Dubrovnik: Sveučilište u Dubrovniku; 2020 [pristupljeno 08.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:155:934002

F. Rihter, "Primjena LTSM modela dubokog učenja za predviđanje kretanja cijena dionica", Završni rad, Sveučilište u Dubrovniku, Dubrovnik, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:155:934002

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:155:934002
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPrimjena LTSM modela dubokog učenja za predviđanje kretanja cijena dionica
AutorFrano Rihter
MentorMario Miličević (mentor)
Član povjerenstvaMario Miličević (predsjednik povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Dubrovniku
(Fakultet elektrotehnike i primijenjenog računarstva)
Dubrovnik
Datum i država obrane2020-09-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Obradba informacija
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.
Sažetak (engleski)
Paper analyses possible use of deep learning for time series forecasting. Theoretical part explains concepts of machine learning and neural networks. Practical part uses LSTM (Long short-term memory) model, a type of Recurrent neural network algorithm with feedback connection. Model will be used to predict movement od Microsoft.corp stock prices, using Python programing language and TensorFlow library. More ideal state for the model will be found cycling thrughe network different number of times. In this paper LSTM model has shown useful for short-term predictions. For better long-term predictions model needs to be modified.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:155:934002
Studijski programNaziv: Primjenjeno / poslovno računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ. bacc. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-10-01 08:37:24