Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas
Ano de defesa: | 2020 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Centro Universitário FEI, São Bernardo do Campo
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | https://repositorio.fei.edu.br/handle/FEI/3135 |
Resumo: | Este trabalho propõe um algoritimo, chamado de CMEAS, tem inspiração biológica focada na forma que o crescimento de axônios neuronais atinge seu destino sináptico em outras redes de neurônios. Esse crescimento segue caminhos específicos no cérebro de animais, definidos por determinadas proteínas. O CMEAS foi desenvolvido para agrupar duas redes neurais convolucionais, treinadas a priori em dois tópicos que influenciam simultâneamente o mercado de criptomoedas, como o tópico de notícias e de cotações. O meio pelo qual as redes são agrupadas, ocorre usandose conexões externas às redes originais, para se conectar aos neurônios internos de cada rede. Duas vertentes foram propostas para o treinamento do CMEAS, sendo um com aprendizado supervisionado e outro com aprendizado por reforço. Os resultados comprovados pelos testes de Wilcoxon, demonstram que o CMEAS teve melhor fator de lucro e índice sharpe superior nos experimentos em relação aos algoritimos de agrupamento clássico por meio de votação e redes profundas usadas de forma individual, o algoritimo, também, foi superior em todas as métricas da estratégia compra e retêm (buy and hold), além disso, o algoritimo obteve resultados próximos, porém, melhores que os da CNN-LSTM considerada estado da arte, dadas as métricas utilizadas |
id |
FEI_61a09c27d21ffc73b0ca5ce487d802d5 |
---|---|
oai_identifier_str |
oai:repositorio.fei.edu.br:FEI/3135 |
network_acronym_str |
FEI |
network_name_str |
Biblioteca Digital de Teses e Dissertações da FEI |
repository_id_str |
|
spelling |
Vilão Júnior, C. O.Bianchi, Reinaldo Augusto da Costa2020-11-10T15:26:28Z2020-11-10T15:26:28Z2020VILÃO JÚNIOR, C. O. <b> Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas. </b> 2020. 178 f. Tese (Doutorado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2020. Disponível em: Texto na íntegra.https://repositorio.fei.edu.br/handle/FEI/3135Este trabalho propõe um algoritimo, chamado de CMEAS, tem inspiração biológica focada na forma que o crescimento de axônios neuronais atinge seu destino sináptico em outras redes de neurônios. Esse crescimento segue caminhos específicos no cérebro de animais, definidos por determinadas proteínas. O CMEAS foi desenvolvido para agrupar duas redes neurais convolucionais, treinadas a priori em dois tópicos que influenciam simultâneamente o mercado de criptomoedas, como o tópico de notícias e de cotações. O meio pelo qual as redes são agrupadas, ocorre usandose conexões externas às redes originais, para se conectar aos neurônios internos de cada rede. Duas vertentes foram propostas para o treinamento do CMEAS, sendo um com aprendizado supervisionado e outro com aprendizado por reforço. Os resultados comprovados pelos testes de Wilcoxon, demonstram que o CMEAS teve melhor fator de lucro e índice sharpe superior nos experimentos em relação aos algoritimos de agrupamento clássico por meio de votação e redes profundas usadas de forma individual, o algoritimo, também, foi superior em todas as métricas da estratégia compra e retêm (buy and hold), além disso, o algoritimo obteve resultados próximos, porém, melhores que os da CNN-LSTM considerada estado da arte, dadas as métricas utilizadasThis work proposes an algorithm, named CMEAS, has biological inspiration focused on the way that the growth of neuronal axons reaches their synaptic destination in other neural networks. This growth follows specific pathways in the brain of animals defined by certain proteins. CMEAS was developed to group two convolutional neural networks, trained a priori on two topics that simultaneously influence the cryptocurrency market, such as news and prices. The means by which networks are grouped occurs using connections external to the original networks to connect to the internal neurons of each network. Two strands were proposed in order to train CMEAS, being one with supervised learning and the other with reinforcement learning. The results confirmed by the Wilcoxon tests demonstrate that the CMEAS had a better profit factor and a higher sharpe index in the experiments in relation to the classic ensemble algorithms through voting and stand-alone deep networks, the algorithm was also superior in all the metrics of the buy and hold strategy, in addition, the algorithm obtained similar results, however, better than those of CNN-LSTM considered state of the art, given the metrics usedporpt_BRCentro Universitário FEI, São Bernardo do CampoRedes neurais (Computação)CriptomoedasUm agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Biblioteca Digital de Teses e Dissertações da FEIinstname:Centro Universitário da Fundação Educacional Inaciana (FEI)instacron:FEIinfo:eu-repo/semantics/openAccessORIGINALfulltext.pdfapplication/pdf3224155https://repositorio.fei.edu.br/bitstream/FEI/3135/1/fulltext.pdf7b4a9e40af9258973c17d4102d0cf8ffMD51TEXTfulltext.pdf.txtfulltext.pdf.txtExtracted texttext/plain315500https://repositorio.fei.edu.br/bitstream/FEI/3135/2/fulltext.pdf.txtf417a410fdb68d70fc15b05a66392929MD52THUMBNAILfulltext.pdf.jpgfulltext.pdf.jpgGenerated Thumbnailimage/jpeg1157https://repositorio.fei.edu.br/bitstream/FEI/3135/3/fulltext.pdf.jpgba619b99108bf2b3530b3913829b30e6MD53FEI/31352020-11-11 01:00:43.556Biblioteca Digital de Teses e Dissertaçõeshttp://sofia.fei.edu.br/pergamum/biblioteca/PRI |
dc.title.pt_BR.fl_str_mv |
Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas |
title |
Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas |
spellingShingle |
Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas Vilão Júnior, C. O. Redes neurais (Computação) Criptomoedas |
title_short |
Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas |
title_full |
Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas |
title_fullStr |
Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas |
title_full_unstemmed |
Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas |
title_sort |
Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas |
author |
Vilão Júnior, C. O. |
author_facet |
Vilão Júnior, C. O. |
author_role |
author |
dc.contributor.author.fl_str_mv |
Vilão Júnior, C. O. |
dc.contributor.advisor1.fl_str_mv |
Bianchi, Reinaldo Augusto da Costa |
contributor_str_mv |
Bianchi, Reinaldo Augusto da Costa |
dc.subject.por.fl_str_mv |
Redes neurais (Computação) Criptomoedas |
topic |
Redes neurais (Computação) Criptomoedas |
description |
Este trabalho propõe um algoritimo, chamado de CMEAS, tem inspiração biológica focada na forma que o crescimento de axônios neuronais atinge seu destino sináptico em outras redes de neurônios. Esse crescimento segue caminhos específicos no cérebro de animais, definidos por determinadas proteínas. O CMEAS foi desenvolvido para agrupar duas redes neurais convolucionais, treinadas a priori em dois tópicos que influenciam simultâneamente o mercado de criptomoedas, como o tópico de notícias e de cotações. O meio pelo qual as redes são agrupadas, ocorre usandose conexões externas às redes originais, para se conectar aos neurônios internos de cada rede. Duas vertentes foram propostas para o treinamento do CMEAS, sendo um com aprendizado supervisionado e outro com aprendizado por reforço. Os resultados comprovados pelos testes de Wilcoxon, demonstram que o CMEAS teve melhor fator de lucro e índice sharpe superior nos experimentos em relação aos algoritimos de agrupamento clássico por meio de votação e redes profundas usadas de forma individual, o algoritimo, também, foi superior em todas as métricas da estratégia compra e retêm (buy and hold), além disso, o algoritimo obteve resultados próximos, porém, melhores que os da CNN-LSTM considerada estado da arte, dadas as métricas utilizadas |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-11-10T15:26:28Z |
dc.date.available.fl_str_mv |
2020-11-10T15:26:28Z |
dc.date.issued.fl_str_mv |
2020 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
VILÃO JÚNIOR, C. O. <b> Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas. </b> 2020. 178 f. Tese (Doutorado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2020. Disponível em: Texto na íntegra. |
dc.identifier.uri.fl_str_mv |
https://repositorio.fei.edu.br/handle/FEI/3135 |
identifier_str_mv |
VILÃO JÚNIOR, C. O. <b> Um agrupamento de modelos conexonistas por meio de sinapses artificiais e suas aplicações no mercado de criptomoedas. </b> 2020. 178 f. Tese (Doutorado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2020. Disponível em: Texto na íntegra. |
url |
https://repositorio.fei.edu.br/handle/FEI/3135 |
dc.language.iso.fl_str_mv |
por pt_BR |
language |
por |
language_invalid_str_mv |
pt_BR |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Centro Universitário FEI, São Bernardo do Campo |
publisher.none.fl_str_mv |
Centro Universitário FEI, São Bernardo do Campo |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da FEI instname:Centro Universitário da Fundação Educacional Inaciana (FEI) instacron:FEI |
instname_str |
Centro Universitário da Fundação Educacional Inaciana (FEI) |
instacron_str |
FEI |
institution |
FEI |
reponame_str |
Biblioteca Digital de Teses e Dissertações da FEI |
collection |
Biblioteca Digital de Teses e Dissertações da FEI |
bitstream.url.fl_str_mv |
https://repositorio.fei.edu.br/bitstream/FEI/3135/1/fulltext.pdf https://repositorio.fei.edu.br/bitstream/FEI/3135/2/fulltext.pdf.txt https://repositorio.fei.edu.br/bitstream/FEI/3135/3/fulltext.pdf.jpg |
bitstream.checksum.fl_str_mv |
7b4a9e40af9258973c17d4102d0cf8ff f417a410fdb68d70fc15b05a66392929 ba619b99108bf2b3530b3913829b30e6 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1734750969768443904 |