728x90

Исследователь из Технологического колледжа Веллора в Индии предложил алгоритм прогнозирования цен криптоактивов с внедрением нейронной паутине с долгой короткосрочной памятью (LSTM).

Профессионал по обработке и анализу заданных Абинхав Сагар (Abinhav Sagar) продемонстрировал
в собственном блоге четырехэтапный процесс пользования технологии машинного обучения для прогнозирования цен криптоактивов в режиме действительного времени, кои «относительно непредсказуемы» по сопоставлению с классическими базарами.

По воззрению Сагара, хотя машинное обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) достигнуло некого фуррора в прогнозировании цен на фондовом базаре, его применение в промышленности криптовалют существовало ограничено. В доказательство он заявил, чего расценки криптоактивов сомневаются в взаимосвязи с резвым развитием технологий, также экономическими и политическими факторами и вопросцами сохранности.

Предложенный Сагаром четырехэтапный алгоритм включает:

  1. урожай заданных об криптовалюте в режиме действительного времени;

  2. подготовку заданных для обучения нейронной паутине;

  3. тестирование прогноза с внедрением нейронной паутине LSTM;

  4. визуализацию результатов прогноза.

Для обучения паутине Сагар употреблял набор данных
от CryptoCompare, беря во внимание стоимость, размер торгов, максимальное и меньшее значение расценки.

Он опубликовал
информацию об проекте на GitHub и обрисовал опции, кои он употреблял для нормализации значений заданных при подготовке к машинному обучению. До этого чем составить график и визуализировать результаты сетевых прогнозов, Сагар пометил, чего в качестве показателя оценки он употреблял абсолютную погрешность посредственного значения, которая определяет посредственную величину ошибок в наборе прогнозов без учета них направления.

price prediction

Визуализация Сагара прогноза расценки криптовалюты в режиме действительного времени с внедрением нейронной паутине LSTM. Родник: towardsdatascience.com

Машинное обучение (педагогический процесс, в результате которого учащиеся под руководством учителя овладевают знаниями, умениями и навыками) уже закончить 1-ый раз применяется в промышленности криптовалют и блокчейна для получения статистических заданных. В летнюю пору аналитическая корпорация Elliptic в сотрудничестве с Массачусетским технологическим колледжем (MIT) исследовали
наиболее 200 000 транзакций в паутине Биткоина на предмет них взаимосвязи с криминальной деятельностью. Для тамошнего, дабы отсортировать 203 769 транзакций на общую сумму $шести миллиард, экспериментальная группа использовала метод с машинным обучением.