Derin ve hibrit derin öğrenme teknikleriyle kripto para fiyat tahmini
Cryptocurrency price prediction using deep and hybrid deep learning techniques
- Tez No: 826349
- Danışmanlar: PROF. DR. MEHMET YILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 103
Özet
Kripto para kriptografi ve blok zinciri teknolojisi kullanılarak merkezi bir otorite olmadan bir değişim aracı olması amaçlanan dijital bir para birimidir. Ekonomi bilgisayar bilimi ve finans alanlarında önemli bir etkiye sahiptir. Ayrıca, bir değişim aracı olan bazı kripto para birimleri yatırımcıları, araştırmacıları ve analistleri çeken bir değer saklama aracı haline gelir. Derin öğrenmenin insanların belirli olaylar hakkında bilgi edinme şeklini taklit ettiği bilinmektedir. Son on yılda, bilgisayarların hesaplama gücünde dikkate değer bir artış gözlemleniştir ve bu da derin öğrenmenin nesne algılama, metin işleme, konuşma tanıma, zaman serileri analizi vb. birçok alanda çok popüler ve uygulanabilir hale gelmesine neden olmuştur. Bu tezde, günlük alım satım olarak bilinen sık alım satım işlemleri için kripto para birimlerinin son fiyatının dolar cinsinden tahmin edilmesi önerilmiştir. Bu amaçla, evrişimli sinir ağları (CNN), uzun kısa dönem bellek ağları (LSTM), evrişimli uzun kısa dönem bellek ağları (ConvLSTM) ve CNN uzun kısa dönem bellek ağları (CNN-LSTM) olmak üzere toplamda dört farklı derin ve hibrit derin öğrenme yaklaşımı kullanılmıştır. Önerilen modellerin katkısını göstermek için Bitcoin, Stellar ve Monero olmak üzere üç farklı kripto para birimi üzerinde deneyler yapılmıştır. Ayrıca, daha iyi tahmin sonuçları elde etmek için istatistiksel özelliklere ek olarak Bollinger bandı (BB), saat bazlı hareketli ortalama (MA) ve Göreceli Güç Endeksi (RSI) gibi teknik göstergeler üç kripto para birimi için özellik alanına dahil edilmiştir. Deney sonuçları, derin öğrenme tekniklerin kullanılmasının, kripto para fiyatlarının tahmini için dikkate değer sonuçlar elde ettiğini göstermektedir.
Özet (Çeviri)
Cryptocurrency is a digital currency that is meant to be a medium of exchange without a central authority using cryptography and blockchain technology. It has a substantial impact on the fields of economics, computer science, and finance. Besides, being a medium of exchange, some of the cryptocurrencies become a medium of storing value which attracts investors, researchers, and analysts. Deep learning has been known to mimic the way humans gain knowledge of certain events. During the last decade, a remarkable increase in the computational power of computers are observed which led deep learning to become very popular and applicable in many areas such as object detection, text processing, speech recognition, time series analysis, etc. In this thesis, it is proposed to predict the last price of cryptocurrencies in dollar for frequent trading transactions known as day-trading. For this purpose, four different deep and hybrid deep learning approaches are utilized in total, namely convolutional neural networks (CNNs), long short-term memory networks (LSTMs), convolutional long shortterm memory networks (ConvLSTM), and CNN Long Short-Term Memory Network (CNN-LSTM). To demonstrate the contribution of the proposed models, experiments are carried out on three different cryptocurrencies namely, Bitcoin, Stellar, and Monero. Furthermore, technical indicators for three cryptocurrencies such as Bollinger band (BB), hour-based moving average (MA), and Relative Strength Index (RSI) are included in the feature space in addition to the statistical features to achieve better prediction results. Experiment results indicate that the inclusion of deep learning-based frameworks achieves remarkable results for the prediction of cryptocurrency prices.
Benzer Tezler
- Finansal varlıkların verileri kullanılarak Bitcoin fiyatlarının makine öğrenmesi teknikleriyle tahmini ve modellerinin performanslarının karşılaştırılması
Prediction of Bitcoin prices using machine learning techniques and comparing the performance of models using financial assets data
YUNUS YILDIRIM
Yüksek Lisans
Türkçe
2025
EkonometriBursa Uludağ ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. ERKAN IŞIĞIÇOK
- Makine öğrenmesi teknikleriyle kripto para duygu analizi
Başlık çevirisi yok
GÜL CİHAN HABEK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MANSUR ALP TOÇOĞLU
DOÇ. DR. AYTUĞ ONAN
- Kuantum makine öğrenmesi kullanarak akıllı sözleşmelerde zafiyet tespiti
Vulnerability detection in smart contracts using quantum machine learning
SİNAN DURGUT
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ECİR UĞUR KÜÇÜKSİLLE
- Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight
Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş
ARSLAN ARTYKOV
Yüksek Lisans
İngilizce
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- Hibrit optik görüntüleme sistemi ile tespit edilen seramik yüzey kusurlarının görüntü işleme ve derin öğrenme teknikleriyle analizi
Analysis of ceramic surface defects detected with hybrid optical imaging system using image processing and deep learning techniques
DUYGU DEMİRCAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLHAN USTABAŞ KAYA
DOÇ. DR. RUKİYE UZUN ARSLAN