fieldid E-Thesis & Research สถาบันเทคโนโลยีไทย-ญี่ปุ่น
สืบค้น:

เขตข้อมูล ข้อมูล
บทคัดย่อ
การศึกษาแบบจำลองการเรียนรู้ของเครื่องเพื่อพยากรณ์ราคาของเงินดิจิทัล : ในปัจจุบันมีการลงทุนได้หลายทางเลือกมากขึ้น ที่ได้รับความสนใจเป็นอย่างมาก คือ การลงทุนในเงินดิจิทัล (Cryptocurrency) และมีการจัดตั้งกองทุน Bitcoin ETF ซึ่งทำให้มีเงินลงทุนไหลเข้ามาเป็นจำนวนมากในอนาคต ทำให้ความผันผวนของราคาเงินดิจิทัลเกิดขึ้นได้มาก ซึ่งการพยากรณ์ราคาเงินดิจิทัลเป็นเรื่องที่ท้าทายมากเนื่องจาก แนวโน้มของราคาที่ขึ้น ลงของเงินดิจิทัลนั้นเกิดจากข้อมูลที่มีความซับซ้อนมาก จำนวนความต้องการซื้อ ต้องการขาย และเป็นตลาดออนไลน์ที่มีความผันผวนอยู่ตลอดเวลา ดังนั้นจึงมีงานวิจัยจำนวนมากที่เสนอการใช้การเรียนรู้ของเครื่องเพื่อทำนายราคาเงินดิจิทัล โดยงานวิจัยนี้ศึกษาชุดข้อมูลของเงินดิจิทัลที่มีมูลค่าการตลาดที่สูงสุด 3 อันดับได้แก่ Bitcoin (BTC), Ethereum (ETH) และ Binance coin (BNB) หลังจากนั้นใช้แบบจำลอง ในการพยากรณ์ราคาเงินดิจิทัลคือ โครงข่ายระบบประสาทเทียมแบบย้อนกลับ (Recurrent Neural Network : RNN) โครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional Neural Network : CNN) โครงข่ายประสาทเทียมแบบประตูสัญญาณวกกลับ (Gated Recurrent Units : GRU) หน่วยความจําระยะสั้นแบบยาว (Long Short-Term Memory : LSTM) และโครงข่ายประสาทเทียมผสมผสาน (Hybrid Long Short-Term Memory Convolutional Neural Network : LSTM-CNN) และเปรียบเทียบประสิทธิภาพในการพยากรณ์ จากการศึกษาพบว่า ชุดข้อมูลของ Bitcoin (BTC) แบบจำลอง LSTM มีประสิทธิภาพดีที่สุด ส่วนชุดข้อมูลของ Ethereum (ETH) แบบจำลอง LSTM- CNN มีประสิทธิภาพดีที่สุด ส่วนชุดข้อมูลของ Binance coin (BNB) แบบจำลอง LSTM- CNN มีประสิทธิภาพดีที่สุด
ผู้แต่ง
ทิว ภู่ระย้า
ประเภทสิ่งพิมพ์
สารนิพนธ์ (MIT) 2023
เลขหน้า
46
หัวเรื่อง
สถาบันเทคโนโลยีไทย-ญี่ปุ่น.สาขาวิชาเทคโนโลยีสารสนเทศ--สารนิพนธ์
หัวเรื่อง
เทคโนโลยีสารสนเทศ--สารนิพนธ์
เอกสารฉบับเต็ม
Download full text