Пошук академічних текстів

Інформація × Реєстраційний номер 2123U003800, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Пошук аномалій у часових рядах децентралізованих фінансів за допомогою ЛСТМ нейронних мереж Автор Намчук Олександр Ігорович Дата публікації 20-06-2023 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/60520 Видання Київ Опис Дипломна робота за обсягом становить 45 сторінок, містить 1 таблицю та 21 рисунок. Для дослідження було використано 15 бібліографічних найменувань. В децентралізованому просторі фінансів (DeFi) зростаюча популярність та використання криптовалют та блокчейн-технологій спричиняють необхідність в ефективних методах аналізу та моніторингу фінансових даних. Особливу увагу приділяється пошуку аномалій у часових рядах, які можуть вказувати на непередбачувані події або шахрайську діяльність. На сьогоднішній день існують різноманітні методи пошуку аномалій, такі як статистичні моделі, методи машинного навчання та алгоритми кластеризації. Однак, враховуючи складність та динаміку фінансових ринків DeFi, необхідні більш потужні та гнучкі методи. В цьому контексті, використання нейронних мереж з довго-короткотривалою пам'яттю (Long Short-Term Memory, LSTM) може бути обіцяючим підходом до пошуку аномалій у часових рядах DeFi. LSTM мережі дозволяють зберігати та використовувати інформацію з попередніх періодів, що робить їх ефективними в аналізі послідовних даних зі змінною структурою та залежностями у часі. Ця робота досліджує можливості та переваги використання LSTM нейронних мереж для пошуку аномалій у часових рядах децентралізованих фінансів та розробці ефективної моделі, яка здатна їх виявляти. Дипломна робота може бути служити основою для розробки комплексних системи моніторингу та знаходження аномалій в часових рядах децентралізованих фінансів. Вона надасть компаніям та інвесторам потужний інструмент для виявлення фінансових можливостей, оптимізації прибутків та прийняття обґрунтованих рішень в реальному часі. Додано в НРАТ 2025-01-29 Закрити