Earticle

초록

영어

Bitcoin is a peer-to-peer cryptocurrency designed for electronic transactions that do not depend on the government or financial institutions. Since Bitcoin was first issued, a huge blockchain financial market has been created, and as a result, research to predict Bitcoin price data using machine learning has been increasing. However, the inefficient Hyper-parameter optimization process of machine learning research is interrupting the progress of the research. In this paper, we analyzes and presents the direction of Hyper-parameter optimization through experiments that compose the entire combination of the Timesteps, the number of LSTM units, and the Dropout ratio among the most representative Hyper-parameter and measure the predictive performance for each combination based on Bitcoin price prediction model using LSTM layer.

한국어

비트코인은 정부나 금융기관에 의존되어 있지 않은 전자 거래를 지향하며 만들어진 peer-to-peer 방식의 암호화폐이다. 비트코인은 최초 발행 이후 거대한 블록체인 금융 시장을 생성했고, 이에 따라 기계 학습을 이용한 비트코인 가격 데이터를 예측하는 연구들이 활발해졌다. 그러나 기계 학습 연구의 비효율적인 Hyper-parameter 최적화 과정이 연구 진행에 있어 비용적인 측면을 악화시키고 있다. 본 논문은 LSTM(Long Short-Term Memory) 층을 사용하는 비트코인 가격 예측 모델에서 가장 대표적인 Hyper-parameter 중 Timesteps, LSTM 유닛의 수, 그리고 Dropout 비율의 전체 조합을 구성하고 각각의 조합에 대한 예측 성능을 측정하는 실험을 통해 정확한 비트코인 가격 예측을 위한 Hyper-parameter 최적화의 방향성을 분석하고 제시한다.

목차

요약
Abstract
1. 서론
2. 배경 지식
2.1 순환 신경망
2.2 Hyper-parameter
3. 동기
4. 관련 연구
5. 실험 설계 및 환경
5.1 데이터 수집 및 정규화
5.2 실험 데이터
5.3 모델 설계 및 실험 환경
5.4 Hyper-parameter 조정 기준
6. 실험 결과 및 최적화 분석
7. 결론
REFERENCES

키워드

비트코인 암호화폐 LSTM 딥러닝 기계학습 데이터 예측 최적화 Bitcoin Cryptocurrency LSTM Deep-learning Data Prediction Optimization

저자

• 김준호 [ Jun-Ho Kim | 상명대학교 게임전공 학생 ]
• 성한울 [ Hanul Sung | 상명대학교 게임전공 조교수 ] Corresponding Author

참고문헌

발행기관

간행물