Studio e applicazione di word embedding a serie temporali

Falco, Matteo (2019) Studio e applicazione di word embedding a serie temporali. [Laurea], Università di Bologna, Corso di Studio in Ingegneria e scienze informatiche [L-DM270] - Cesena, Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore. (Contatta l'autore)

Abstract

Al giorno d'oggi, l'immensa mole di dati disponibile online grazie al continuo processo di digitalizzazione e la rapida crescita delle capacità dei moderni calcolatori ci permettono di generare nuova e preziosa conoscenza. L'obiettivo di questa tesi progettuale è quello di esplorare le potenzialità delle reti neurali, ed in particolare di quelle ricorrenti, nell'analizzare i dati storici di alcuni dei più famosi indici di borsa (quali NASDAQ, Dow Jones e Nikkei) per generare predizioni sul loro andamento futuro, sfruttando la moderna libreria di Keras per ambiti di deep learning. Verrà inoltre sperimentato un metodo alternativo di calcolo del trend di tali indici utilizzando i word embedding per la rappresentazione dei dati, trasformando i dati numerici reali in una rappresentazione vettoriale capace di coglierne similarità sintattiche e semantiche.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Falco, Matteo
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum ingegneria informatica
Ordinamento Cds
DM270
Parole chiave
Machine Learning,Deep Learning,Reti Neurali,Word Embedding,Serie Temporali,Keras
Data di discussione della Tesi
21 Marzo 2019
URI

Altri metadati

Gestione del documento: Visualizza il documento

^