並列ゲート付き回帰ユニットを用いた暗号通貨価格予測

本論文は、暗号通貨の価格予測に新しい深層学習モデル、並列ゲート付き回帰ユニット（PGRU）を導入しています。このモデルは、異なる入力特徴を持つ並列回帰型ニューラルネットワークを利用し、それらの出力を組み合わせて予測を行います。主な貢献は、そのアーキテクチャと、既存の方法と比較してMAPE、精度、効率の点で報告されたパフォーマンスの向上です。暗号通貨投資への関心が高まっていることを考えると、この論文は金融セクターにおける関連性の高い問題に取り組んでいます。

• •暗号通貨価格予測のための新しい深層学習モデル（PGRU）を提案。
• •異なる入力特徴を持つ並列回帰型ニューラルネットワークを利用。
• •既存の方法と比較して、精度と効率が向上。
• •異なるウィンドウ長に対して、3.243％と2.641％のMAPEを報告。