NATIONAL BIBLIOGRAPHY NUMBER
Number
T28640
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
انگلیسی
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
Cryptocurrency Price Prediction Using Improved GRNN Neural Network
General Material Designation
Dissertation
First Statement of Responsibility
Sajjad Mohammed Hasan Alsayyad
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
Electrical and Computer Engineering
Date of Publication, Distribution, etc.
1402
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
59p.
Other Physical Details
cd
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
M.A.
Discipline of degree
computer engineering
Date of degree
1402/02/13
SUMMARY OR ABSTRACT
Text of Note
Today, digital currencies play a significant role in global transactions. The main member of the family of digital currencies is Bitcoin, which is the first digital currency. Bitcoin price prediction is important from two aspects. Firstly, most of the transactions carried out by digital currencies are done by Bitcoin, and secondly, the price of most other digital currencies is a function of the price of Bitcoin. In this work, we used an optimized general regression neural network (GRNN) to predict the price of Bitcoin. The GRNN algorithm has a smoothness hyperparameter (σ) that plays a significant role in the performance accuracy of this algorithm. In our proposed method, the Whale Optimization Algorithm (WOA) is used to select the optimal hyperparameter σ in the GRNN network. Based on the simulation results, our proposed method has been able to predict the price of Bitcoin with an RMSE error of 0.0011, which is less than other works.
Text of Note
ارزهای دیجیتال امروزه نقش پر رنگی در معاملات جهانی ایفا میکنند. اصلیترین عضو خانواده ارزهای دیجیتال بیتکوین میباشد که اولین ارز دیجیتال میباشد. پیشبینی قیمت بیتکوین از دو جنبه حائز اهمیت میباشد، اول اینکه بیشتر معاملات انجام شده توسط ارزهای دیجیتال بوسیله بیتکوین میباشد و دوم اینکه قیمت اکثر ارزهای دیجیتال دیگر تابعی از قیمت بیت کوین است. در این کار، ما از شبکه عصبی رگرسیونی (GRNN) بهینه شده برای پیشبینی قیمت بیتکوین استفاده کردهایم. الگوریتم GRNN دارای هایپرپارامتر هموار سازی (σ) است که نقش به سزایی در دقت عملکرد این الگوریتم دارد. در روش پیشنهادی ما، برای انتخاب بهینه هایپرپارامتر σ در شبکه GRNN از الگوریتم بهینه سازی وال (WOA) استفاده شده است. بر اساس نتایج شبیه سازی، روش پیشنهادی ما با خطای RMSE برابر با 0.0011 توانسته است قیمت بیتکوین را پیشبینی کند که این مقدار خطا نسبت به سایر کارها کاهش داشته است.
OTHER VARIANT TITLES
Variant Title
پیش¬بینی قیمت ارزهای دیجیتال به کمک شبکه عصبی GRNN بهبود یافته
UNCONTROLLED SUBJECT TERMS
Subject Term
Bitcoin price, prediction, GRNN network, Whale optimization algorithm.
Subject Term
قیمت بیتکوین، پیشبینی، شبکه GRNN، الگوریتم بهینه سازی وال.
PERSONAL NAME - PRIMARY RESPONSIBILITY
Entry Element
Mohammed Hasan Alsayyad,
Part of Name Other than Entry Element
Sajjad
Relator Code
Producer
PERSONAL NAME - SECONDARY RESPONSIBILITY
Entry Element
Salehpoor,
Entry Element
Balafar,
Part of Name Other than Entry Element
Pedram
Part of Name Other than Entry Element
Mohammed Ali
Relator Code
Thesis advisor
Relator Code
Consulting advisor
CORPORATE BODY NAME - SECONDARY RESPONSIBILITY
Entry Element
Tabriz
ORIGINATING SOURCE
Country
ایران
Agency
Central Library University of Tabriz
Date of Transaction
20230528
LOCATION AND CALL NUMBER
Call Number
ارشد پایاننامه QA76.M6 1402
ELECTRONIC LOCATION AND ACCESS
Electronic name
Sajjad Mohammed Hasan Alsayyad
Contact for access assistance
عبادی
e
TL
276903
a
Y
