معاملات VFAST در مهندسی نرم افزار

cryptocurrency مطمئن ترین ، قابل ردیابی و قابل اعتماد ترین ارز نامشهود است زیرا از فناوری blockchain استفاده می کند. این لایه میانی مؤسسات مالی را در سیستم اقتصادی سنتی از بین می برد. به دلیل بازده زیاد در ارزهای رمزنگاری شده ، سرمایه گذاران و سایر شرکت ها پول زیادی را سرمایه گذاری می کنند. اما قیمت ارزهای رمزنگاری نامشخص است. قیمت ارزهای رمزپایه تحت تأثیر عوامل بسیاری مانند احساسات ، حجم معاملات و مشابه است. محققان برای پیش بینی قیمت دقیق ارزهای مختلف رمزنگاری ، کارهای زیادی انجام می دهند. با این حال ، بسیاری از این روش ها در زمان واقعی قابل استفاده نیستند. چندین مدل یادگیری عمیق مانند شبکه های عصبی (NN) ، حافظه کوتاه مدت بلند مدت (LSTM) و واحد مکرر دروازه (GRU) توسط محققان برای پیش بینی قیمت ارزهای رمزنگاری شده و در عین حال قادر به دستیابی به نتایج قابل توجهی نیستند. این کار LSTM و GRU را با تجزیه و تحلیل احساسات ترکیب می کند تا دقیقاً مقادیر بیت کوین را تخمین بزند. ما برای ارزیابی عملکرد مدل با و بدون احساسات از خطای مربع (RMSE) استفاده کرده ایم. از نظر تجربی ، ما نتایج را با سایر مدل های پیشرفته مقایسه کرده ایم و با استفاده از مدل ترکیبی پیشنهادی که با احساسات گنجانیده شده است ، نتایج بهتری پیدا کرده ایم.

متن کامل:

منابع

S. N.-D. B. بررسی و نامشخص 2008 ، "بیت کوین: یک سیستم نقدی الکترونیکی همتا به همتا" ، Debr. io.

A. Alexey Mikhaylov ، N. Sokolinskaya ، A. Mikhaylov ، and E. Lopatin ، ‘تخصیص دارایی در سهام ، درآمد ثابت و رمزنگاری در پایه احساسات خطرناک فردی" ، Businessperspectives. org ، جلد. 16 ، نه. 2 ، صص 171-181 ، 2019 ، doi: 10. 21511/imfi. 16 (2) . 2019. 15.

Y. S.-J. از تجزیه و تحلیل E. و F. و نامشخص 2018 ، ‘عوامل مؤثر بر قیمت رمزنگاری: شواهدی از بیت کوین ، اتریوم ، داش ، لیتکوین و مونرو" ، papers. ss. com ، جلد. 2 ، نه. 2 ، صص 1-27 ، 2018.

C. Lamon ، E. Nielsen ، and E. Redondo ، "پیش بینی قیمت رمزنگاری با استفاده از اخبار و احساسات رسانه های اجتماعی" ، معنایی. Sch. ، Vol. 25 ، ص. 96 ، 2016.

C. H. Wu ، C. C. Lu ، Y. F. Ma ، and R. S. Lu ، "یک چارچوب پیش بینی جدید برای قیمت بیت کوین با LSTM" ، در کنفرانس بین المللی IEEE در کارگاه های داده کاوی ، ICDMW ، 2019 ، جلد. 2018-NOVEM ، صص 168 175 ، doi: 10. 1109/ICDMW. 2018. 00032.

P. T. Yamak ، L. Yujian ، and P. K. Gadosey ، "مقایسه ای بین Arima ، LSTM و GRU برای پیش بینی سری زمانی" ، ACM Int. کنفرانسSer. ، صص 49-55 ، دسامبر 2019 ، doi: 10. 1145/3377713. 3377722.

آگهی. VO ، "تجزیه و تحلیل احساسات اخبار برای پیش بینی قیمت cryptocurrency مؤثر" ، int. J. Knowl. مهندس ، جلد. 5 ، نه. 2 ، صص 47-52 ، 2019 ، doi: 10. 18178/ijke. 2019. 5. 2. 116.

A. Dutta ، S. Kumar ، and M. Basu ، "یک رویکرد واحد مکرر دروازه به پیش بینی قیمت بیت کوین" ، SSRN Electron. ج. ، نه. Poyser 2017 ، 2020 ، doi: 10. 2139/ss. 3514069.

M. M. Patel ، S. Tanwar ، R. Gupta ، and N. Kumar ، "یک طرح پیش بینی قیمت رمزنگاری مبتنی بر یادگیری عمیق برای مؤسسات مالی" ، J. Inf. سکوAppl. ، Vol. 55 ، نه. آگوست ، ص. 102583 ، 2020 ، doi: 10. 1016/j. jisa. 2020. 102583.

K. Wołk ، "تجزیه و تحلیل احساسات رسانه های اجتماعی پیشرفته برای پیش بینی قیمت رمزنگاری کوتاه مدت" ، سیستم متخصص ، جلد. 37 ، نه. 2 ، آوریل 2020 ، doi: 10. 1111/exsy. 12493.

P. Prajapati ، "تجزیه و تحلیل پیش بینی قیمت بیت کوین با توجه به احساسات اجتماعی" ، ژانویه 2020.

S. Tanwar ، N. P. Patel ، S. N. Patel ، J. R. Patel ، G. Sharma ، and I. E. Davidson ، "طرح پیش بینی قیمت رمزنگاری مبتنی بر یادگیری عمیق با روابط بین وابسته" ، دسترسی IEEE ، جلد. 9 ، صص 138633-138646 ، 2021 ، doi: 10. 1109/دسترسی . 2021. 3117848.

J. V. Critien ، A. Gatt ، and J. Ellul ، "تغییر قیمت بیت کوین و پیش بینی روند از طریق احساسات توییتر و حجم داده" ، مالی. نوآوری. ، جلد. 8 ، نه. 1 ، صص 1-20 ، دسامبر 2022 ، doi: 10. 1186/S40854-022-00352-7/جداول/6.

M. Ashraf ، G. Geng ، X. Wang ، F. Ahmad ، and F. Abid ، "یک معماری عصبی مشترک در سطح جهانی برای طبقه بندی موسیقی" ، IEEE Access ، Vol. 8 ، صص 220980 220989 ، 2020 ، doi: 10. 1109/دسترسی . 2020. 3043142.

M. Ashraf ، F. Abid ، M. Atif ، and S. Bashir ، "نقش CNN و RNN در طبقه بندی ژانرهای موسیقی صوتی" ، Vfast Trans. نرممهندس ، صص 149-154 ، 2022 ، doi: http://dx. doi. org/10. 21015/vtse. v10i2. 793.

M. M. Ahsan ، M. A. P. Mahmud ، P. K. Saha ، K. D. Gupta ، and Z. Siddique ، "تأثیر روشهای مقیاس گذاری داده ها بر الگوریتم های یادگیری ماشین و عملکرد مدل" ، فناوری ها ، جلد. 9 ، نه. 3 ، ص. 52 ، 2021 ، doi: 10. 3390/Technologies9030052.

M. Ashraf ، F. Ahmad ، R. Rauqir ، F. Abid ، M. Naseer ، and E. Haq ، "تشخیص احساسات مبتنی بر ابزار موسیقی با استفاده از شبکه عصبی عمیق" ، Proc.- 2021 int. کنفرانسجلو. inf. تکنولFIT 2021 ، صص 323-328 ، 2021 ، doi: 10. 1109/fit53504. 2021. 00066.

P. Mohanty ، D. Patel ، P. Patel ، and S. Roy ، "پیش بینی نوسانات در قیمت های رمزنگاری" با استفاده از نظرات کاربران و قیمت های زمان واقعی "، 2018 هفتم Int. کنفرانسRELIABInfoCom Technol. بهینهروند آیندهدیرICRITO 2018 ، صص 477-482 ، آگوست 2018 ، doi: 10. 1109/icrito. 2018. 8748792.

"پیش بینی قیمت بیت کوین با استفاده از شبکه های مکرر LSTM و GRU و مدل پنهان مارکوف". بشر

O. Sattarov ، H. S. Jeon ، R. OH ، and J. D. Lee ، "پیش بینی نوسان قیمت بیت کوین توسط تجزیه و تحلیل احساسات توییتر" ، 2020 Int. کنفرانسinf. علمیارتباطتکنولICISCT 2020 ، نوامبر 2020 ، doi: 10. 1109/ICISCT50599. 2020. 9351527.

بازپرداخت

• در حال حاضر هیچ بازپرداخت وجود ندارد.

این کار تحت مجوز Creative Commons Attribution 3. 0 مجوز دارد.