Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/70199
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | นัทที นิภานันท์ | - |
| dc.contributor.author | ฆฤณ ชินประสาทศักดิ์ | - |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ | - |
| dc.date.accessioned | 2020-11-11T13:51:08Z | - |
| dc.date.available | 2020-11-11T13:51:08Z | - |
| dc.date.issued | 2562 | - |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/70199 | - |
| dc.description | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2562 | - |
| dc.description.abstract | งานวิจัยนี้เปรียบเทียบโครงข่ายประสาทเทียม 4 แบบจำลองจากงานวิจัยต้นแบบ (I. โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับ II. โครงข่ายประสาทเทียมอย่างถูกต้องของเบส์ III. ขั้นตอนผสมผสานระหว่างการแยกส่วนประกอบของรูปแบบเชิงประจักษ์กับขั้นตอนโครงข่ายประสาทเทียมแบบความแรงของเวลาอย่างสุ่ม IV. ขั้นตอนผสมผสานระหว่างข้อมูลแบบสุ่มเชิงเวลาที่มีประสิทธิภาพกับโครงข่ายประสาทเทียมแบบเรเดียลเบซิสฟังก์ชัน) และงานวิจัยที่นำเสนอ 2 แบบจำลอง (I. ขั้นตอนผสมผสานระหว่างการแยกส่วนประกอบของรูปแบบเชิงประจักษ์, ข้อมูลแบบสุ่มเชิงเวลาที่มีประสิทธิภาพ และโครงข่ายประสาทเทียมแบบเรเดียลเบซิสฟังก์ชัน II. ขั้นตอนผสมผสานระหว่างการแยกส่วนประกอบของรูปแบบเชิงประจักษ์, ข้อมูลแบบสุ่มเชิงเวลาที่มีประสิทธิภาพ และโครงข่ายประสาทเทียมอย่างถูกต้องของเบส์) ในการพยากรณ์อัตราแลกเปลี่ยนของคู่สกุลเงิน ยูโร/ดอลลาร์สหรัฐ โดยการใช้อินพุตเป็นตัวบ่งชี้ทางเทคนิคและวัดประสิทธิภาพของแบบจำลองด้วยระบบจำลองการซื้อขาย ซึ่งประกอบด้วย กลยุทธการลงทุน วิธีจัดการความเสี่ยง และหลักการบริหารเงิน ผลการทดลองแสดงให้เป็นว่าโครงข่ายประสาทเทียมที่นำเสนอให้ผลตอบแทนที่ดีกว่าแบบจำลองจากงานวิจัยต้นแบบ | - |
| dc.description.abstractalternative | This research compares 4 neural networks from the original researches (I. Backpropagation Neural Network II. Bayesian Regularized Neural Network III. Empirical Mode Decomposition Stochastic Time Strength Neural Network IV. Random Data-time Effective Radial Basis Function Neural Network) and 2 proposed neural networks (I. Empirical Mode Decomposition Random Data-time Effective Radial Basis Function Neural Network II. Empirical Mode Decomposition Random Data-time Effective Bayesian Regularized Neural Network) for predicting the exchange rate of EUR/USD currency pairs using input as a technical indicator and evaluating the networks with trading simulations consisting of investment strategies, risk management methods and financial management principles. The experiments show that the proposed neural networks yield higher returns than the original researches. | - |
| dc.language.iso | th | - |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | - |
| dc.relation.uri | http://doi.org/10.58837/CHULA.THE.2019.1128 | - |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | - |
| dc.subject.classification | Computer Science | - |
| dc.title | โครงข่ายประสาทเทียมสำหรับพยากรณ์ราคาสูงสุดและราคาต่ำสุดบนตลาดอัตราแลกเปลี่ยน | - |
| dc.title.alternative | Neural network for forecasting high price and low price on foreign exchange market | - |
| dc.type | Thesis | - |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | - |
| dc.degree.level | ปริญญาโท | - |
| dc.degree.discipline | วิทยาศาสตร์คอมพิวเตอร์ | - |
| dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | - |
| dc.email.advisor | Nattee.N@Chula.ac.th | - |
| dc.identifier.DOI | 10.58837/CHULA.THE.2019.1128 | - |
| Appears in Collections: | Eng - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5970119821.pdf | 1.82 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.