dc.contributorSANTOS, Fernanda Maria da Cunha
dc.contributorhttp://lattes.cnpq.br/6802596562404346
dc.contributorAraújo, Rafael Dias
dc.contributorhttp://lattes.cnpq.br/3067137114142725
dc.contributorPaulino, Alessandra Aparecida
dc.contributorhttp://lattes.cnpq.br/8756345494319305
dc.creatorPereira, João Vitor
dc.date2022-09-21T19:36:55Z
dc.date2022-09-21T19:36:55Z
dc.date2022-08-19
dc.date.accessioned2023-09-28T21:08:53Z
dc.date.available2023-09-28T21:08:53Z
dc.identifierPEREIRA, João Vitor. Aplicando redes neurais na predição de valores da moeda Bitcoin. 2022. 42 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Monte Carmelo, 2022.
dc.identifierhttps://repositorio.ufu.br/handle/123456789/36140
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9064882
dc.descriptionTrabalho de Conclusão de Curso (Graduação)
dc.descriptionAs Redes Neurais Recorrentes aplicadas à séries de dados temporais do mercado financeiro define-se por mais uma técnica de aprendizado de máquina promissora na previsão da movimentação das criptomoedas. A base de dados foi obtida por informações reais do mercado financeiro da criptomoeda Bitcoin. Assim, definiu-se modelos computacionais formados pelas redes neurais recorrentes Long short-term memory (LSTM) e Multilayer Perceptron e pelo K Nearest Neighbor (KNN), obtendo melhores resultados a rede neural recorrente com 72% de acurácia.
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal de Uberlândia
dc.publisherBrasil
dc.publisherSistemas de Informação
dc.rightsAcesso Aberto
dc.subjectBitcoin
dc.subjectRedes neurais artificiais
dc.subjectAprendizado de máquinas
dc.subjectRedes neurais recorrentes
dc.subjectLSTM
dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA
dc.titleAplicando redes neurais na predição de valores da moeda Bitcoin
dc.typeTrabalho de Conclusão de Curso


Este ítem pertenece a la siguiente institución