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, dir. |
| Descriptores : | Redes neuronales (Computadores) - Acción cambiaria - Stock price forecasting - Tesis y disertaciones académicas |
| 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 Atribución-NoComercial-SinDerivadas 3.0 Ecuador |
| 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.pdf | Texto completo | 481.33 kB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
