Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/9809
Tipo de material: bachelorThesis
Título : Stock price analysis with Deep-Learning models
Autor : Arosemena Cereceda, Juan Javier
Director de Tesis : Pérez, Noel, director
Descriptores : Redes neuronales (Computadores)
Acción cambiaria
Stock price forecasting
Tesis y disertaciones académicas
Palabras clave : Ciencias
Computación
Fecha de publicación : 2020
Editorial : Quito
Citación : Tesis (Ingeniero en Ciencias de la Computación) , Universidad San Francisco de Quito , Colegio de Ciencias e Ingenierías; Quito, Ecuador, 2020
Páginas : 26 h.
Acceso: openAccess
CC0 1.0 Universal
Resumen : La mayoría de los algoritmos novedosos de predicción de inteligencia artificial utilizan técnicas de aprendizaje profundo para predecir series temporales financieras, comúnmente utilizando redes neuronales recurrentes (RNN) y redes neuronales convolucionales (CNN) como sus componentes básicos...
Descripción : Most novel artificial intelligence prediction algorithms use deep learning techniques to predict financial time series, commonly using Recurrent Neural Networks (RNNs) and Convolutional Neural Networks (CNNs) as their building blocks. Also, autoencoders have gained notoriety for their ability to extract latent space features from data and decode them for predictions as well...
URI : http://repositorio.usfq.edu.ec/handle/23000/9809
Aparece en las colecciones: Tesis - Ingeniería en Ciencias de la Computación

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
129650.pdfTexto completo481.33 kBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons