Number of the records: 1
Neuronové sítě a investiční strategie
Title statement Neuronové sítě a investiční strategie [rukopis] / Pavel Rozkošný Additional Variant Titles Neuronové sítě a investiční strategie Personal name Rozkošný, Pavel (dissertant) Translated title Neural networks and investment strategies Issue data 2018 Phys.des. 60 : il., grafy, tab. Note Oponent Tomáš Fürst Ved. práce Rostislav Vodák Another responsib. Fürst, Tomáš (opponent) Vodák, Rostislav (thesis advisor) Another responsib. Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (degree grantor) Keywords 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 Form, Genre diplomové práce master's theses UDC (043)378.2 Country Česko Language čeština Document kind PUBLIKAČNÍ ČINNOST Title Mgr. Degree program Navazující Degree program Aplikovaná matematika Degreee discipline Aplikace matematiky v ekonomii book
Kvalifikační práce Downloaded Size 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.
Number of the records: 1