Авторы

Построение и анализ модели машинного обучения для краткосрочного прогнозирования рынка биткоина на основе рекуррентных нейронных сетей

В настоящей статье построение и анализ моделей машинного обучения были произведены для краткосрочного прогнозирования на криптовалютном рынке на примере биткоина – одной из самых популярных криптовалют в мире. Исходные данные для проведения исследования позволяют сделать вывод о том, что за длительный период своего существования биткоин показывал высокую степень волатильности, особенно ярко проявляющуюся в сравнении с традиционными типами активов. В статье обосновано, что криптовалютный рынок подвержен влиянию множества факторов. Никто точно не может сказать, из чего складывается стоимость той или иной криптовалюты, так как она зависит от целого спектра причин, учесть которые полностью не представляется возможным. Для решения данной проблемы нами рассмотрен принцип работы рекуррентной нейронной сети. Описано, почему сети с памятью справляются с предсказаниями на временном ряде лучше, чем обычная авторегрессионная модель и стандартные сети прямого распространения. Определен алгоритм обработки исходных данных и методы их преобразования. Была произведена фильтрация резких скачков и осцилляции с целью уменьшения шума исходного ряда. Построен и обучен алгоритм семейства рекуррентных нейронных сетей с целью проверки гипотезы об их лучшей адаптивности за счет краткосрочной и долгосрочной памяти. Модель оценена на тестовых данных, представляющих собой курс биткоина за 2021–2022 годы, так как этот период характерен высокой волатильностью. Сделан вывод о целесообразности применения схожего типа моделей для краткосрочного прогнозирования курса криптовалют. Читать дальше...

Моделирование пользовательского интерфейса для сверточной нейронной сети распознавания сложных символов

Данная статья является третьей в цикле работ, посвященных созданию нейросетевых систем анализа текстовой информации. Результаты использования предложенных ранее авторами статьи моделей для распознавания сложных символов японских азбук при решении практических задач (в том числе в рамках учебного процесса) показывали, что отсутствие эффективных и формализованных методик разработки интерфейсов информационных систем, реализующих нейросетевые технологии, приводит к необходимости дополнительного и достаточно длительного обучения пользователей. Это вызвано тем, что бурное развитие нейросетевых методов для распознавания текстовой информации не всегда сопровождается параллельной разработкой удобных интерфейсов пользователя. Основной причиной подобного развития событий является тот факт, что разработка пользовательского интерфейса требует совсем иного набора компетенций и навыков, нежели разработка нейросетевых методов и моделей. В статье предлагается подход к проектированию пользовательского интерфейса для прототипа настольного приложения, реализующего возможности предложенной авторами ранее нейронной сети для распознавания текстов на японском языке, записанных с использованием одной из двух японских азбук – катаканой или хираганой. При описании подхода к проектированию пользовательского интерфейса применялись нотации ­UML – для моделирования функциональных требований и ­BPMN – для моделирования логики работы приложения, взаимодействующего с нейронной сетью, модель которой была предложена авторами во второй статье. Определены принципы и инструментальная база проектирования интерфейса программного решения, спроектированы сценарии использования программы, приведены алгоритмы ее функционирования, описан прототип пользовательского интерфейса. Предложенный подход к построению пользовательских интерфейсов для приложений, использующих нейросетевые методы для решения задач, может быть использован в ходе изучения дисциплин, рассматривающих вопросы использования и проектирования информационных систем. Читать дальше...