НАВЧАННЯ ШТУЧНОЇ НЕЙРОННОЇ МЕРЕЖІ НА ОСНОВІ ДАНИХ ОЦІНЮВАННЯ РЕЗУЛЬТАТИВНОСТІ ТА РИЗИКІВ ІНВЕСТУВАННЯ В ЦИФРОВІ АКТИВИ

2023

Кібербезпека: освіта, наука, техніка, Vol 3, Iss 19, Pp 135-145 (2023)

У даній публікації досліджується проблема аналізу результатів навчання штучних нейронних мереж на основі даних про ефективність та ризики інвестування в цифрові активи, зокрема, в умовах керування процесом купівлі та продажу криптовалют. Підхід до розв'язання цієї задачі базується на застосуванні теорії ігор як основного принципу для формування архітектури штучної нейронної мережі. Сполучення двох фундаментальних теорій - теорії ігор та нейромереж - дозволяє створювати інтуїтивно зрозумілі і ефективні інтелектуальні інформаційні системи для підтримки прийняття рішень у різних прикладних сферах, таких як фінанси, економіка та управління ресурсами. Особливу увагу приділено врахуванню нечітких параметрів та невизначеності в умовах ринку, що відображає реальні обставини при інвестуванні в криптовалюти та інші цифрові активи. Стаття пропонує ряд методів навчання та адаптації штучної нейронної мережі в рамках розробленого підходу, а також рекомендації щодо оцінки її ефективності та стабільності. Проаналізовано можливі області застосування та перспективи подальшого розвитку даної методології у контексті ринку цифрових активів. Проілюстровано застосування розробленої методології для аналізу результатів навчанштучної нейронної мережі та підтвердженно її високу ефективність у прогнозуванні результативності та ризиків інвестування в цифрові активи. Висвітлено проблеми та обмеження, які можуть виникнути під час використання даної методології, а також запропоновано можливі шляхи їх подолання та удосконалення.

article

English
Ukrainian

Borys Grinchenko Kyiv University, 2023.

інформаційні технології, інформаційні системи, аналіз даних, теорія ігор, нечітка логіка, штучні нейронні мережі, цифрові активи, криптовалюти, Information technology, T58.5-58.64