Počet záznamů: 1
Neuronové sítě a investiční strategie
Údaje o názvu Neuronové sítě a investiční strategie [rukopis] / Pavel Rozkošný Další variantní názvy Neuronové sítě a investiční strategie Osobní jméno Rozkošný, Pavel (autor diplomové práce nebo disertace) Překl.náz Neural networks and investment strategies Vyd.údaje 2018 Fyz.popis 60 : il., grafy, tab. Poznámka Oponent Tomáš Fürst Ved. práce Rostislav Vodák Dal.odpovědnost Fürst, Tomáš (oponent) Vodák, Rostislav (vedoucí diplomové práce nebo disertace) Dal.odpovědnost Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (udelovatel akademické hodnosti) Klíč.slova biologický neuron * neuronová síť * neuronová síť s dopředným šířením * algoritmus back-propagation * finanční časové řady * předpovědi * investiční strategie * biological neuron * neural network * feed forward neural network * back-propagation algorithm * financial time series * prediction * investment strategies Forma, žánr diplomové práce master's theses MDT (043)378.2 Země vyd. Česko Jazyk dok. čeština Druh dok. PUBLIKAČNÍ ČINNOST Titul Mgr. Studijní program Navazující Studijní program Aplikovaná matematika Studijní obor Aplikace matematiky v ekonomii kniha
Kvalifikační práce Staženo Velikost datum zpřístupnění 00193721-444623996.rar 17 7.2 MB 09.04.2018 Posudek Typ posudku 00193721-ved-711305154.pdf Posudek vedoucího 00193721-opon-173189692.pdf Posudek oponenta
Práce se zaměřuje na nastudování problematiky neuronových sítí, a to jak z pohledu matematického, tak částečně i z toho biologického. Biologická část této práce je přínosná zejména k pochopení fungování základního stavebního kamene neuronových sítí, perceptronu, který je z velké části předobrazem neuronu lidského. Jednotlivé kapitoly přechází od popisu základních modelů s jednou skrytou vrstvou k modelům vícevrstvým, které dokáží řešit i komplexnější příklady. Jako metoda učení byl zvolen algoritmus back-propagation, kvůli svému všestrannému využití. Všechny tyto výše popsané znalosti jsou dále aplikovány na časové řady z oblasti financí. Zpracování probíhalo v matematickém softwaru MATLAB, data byla připravována v programu EXCEL.The aim of this thesis is to study artificial neural networks. Main chapters were focused on mathematical part of this topic. However firstly was necessary to study biological neural networks because this knowledge was essential for creation the perceptron. In the first chapter you can find the basic models with one hidden layer and the models with more than one hidden layer networks. Following with advanced level of models which can solve various task in contrast with the basic models. Used teaching method was back-propagation algorithm because of its versatile usage. In the last part we have used artificial neural networks to predict financial time series. All work was made in MATLAB and EXCEL.
Počet záznamů: 1