지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국데이터전략학회 Journal of Information Technology Applications & Management Journal of Information Technology Applications & Management Vol.32 No.1
- 발행연도
- 2025.2
- 수록면
- 1 - 13 (13page)
이용수
초록· 키워드
오류제보하기
This study conducts a comparative analysis of various models for predicting Bitcoin prices. The models utilized in this research include the Gated Recurrent Unit (GRU), Long Short-Term Memory (LSTM), and Random Forest. Their performance was evaluated using key metrics such as Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), and R-squared (R²). The findings reveal that the GRU model outperformed the other two models, achieving an R² value of 0.9301, which indicates its superior ability to explain the data. The LSTM model demonstrated relatively high explanatory power with an R² of 0.8252, yet it exhibited lower predictive accuracy compared to the GRU. On the other hand, the Random Forest model recorded the lowest MAE (1557.44) and RMSE (1766.95), reflecting strong short-term prediction capabilities. However, its R² of 0.6110 highlighted limitations in capturing the intricate temporal patterns of the dataset. The significance of this study lies in several aspects. First, it empirically demonstrates that the GRU model, with its more streamlined architecture, can achieve superior predictive performance compared to the LSTM and Rando Forest models. Additionally, while Random Forest showed promising results for short-term predictions, it underscored limitations in modeling the complexities of temporal data patterns. Future research should aim to incorporate broader datasets and integrate external economic variables to enhance predictive accuracy. Furthermore, the potential of ensemble approaches, combining diverse models, holds promise for further improving predictive performance in this domain.
목차
Abstract
1. 서론
2. 이론적 배경
3. 연구 방법론
4. 분석 결과
5. 결론
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
한국어 에세이 문항 자동 채점을 위한 딥러닝 알고리듬 탐색
교육평가연구
2022 .09
-
LSTM과 GRU를 활용한 도시공간 특성 기반의 평균기온 예측 모델: 강원도 원주시를 대상으로
국토연구
2021 .06
-
딥러닝 기법을 활용한 양식산 조피볼락 산지가격 예측 연구 －LSTM(Long-short Term Memory)과 GRU(Gated Recurrent Units) 모델을 중심으로－
식품유통연구
2022 .12
-
딥 러닝을 이용한 주택가격 예측에 관한 연구
주거환경
2019 .06
-
LSTM을 이용한 돼지고기 가격 예측 연구
농업경영.정책연구
2021 .12
-
A Study on the Prediction Model of the Elderly Depression
산경연구논집
2020 .01
-
도서산림 관리를 위한 관련 법제도 고찰과 개선방안에 관한 연구
한국도서연구
2021 .08
-
자연관광자원으로서 경관구성요소인 산림자원의 활용에 관한 연구 – 보은 국유림을 중심으로 -
호텔리조트연구
2017 .01
-
Relative Importance Analysis for the Use of Drone for Forest Fire Suppression in Preparation for the 4th Industrial Revolution
Journal of Safety and Crisis Management
2024 .06
-
휴양산림복지 시설 조성사업이 지역에 미치는 경제적 파급효과에 관한 연구 : 「대전 나눔 숲 체험원 자연휴양림」 조성사업을 중심으로
Culinary Science & Hospitality Research
2019 .04
-
인공지능 알고리즘을 통한 스마트팜 경영혁신: 토마토 초장 환경결정요인 예측 모형
경영컨설팅연구
2023 .06
-
Novel Deep Learning Hybrid-Ensemble Method for Financial Domain Information and Stock Price Forecasting
통상정보연구
2024 .12
-
FOREST Of 20’s FOR REST
한국관광레저학회 학술발표대회
2019 .12
-
숲체험에 대한 어린이집 원장과 보육교사의 인식
아동복지연구
2020 .01
-
Wavelet Transform LSTM과 Multi-Head Attention의 결합모형을 이용한 주가 지수 예측
경영과학
2023 .06
-
기계학습을 활용한 주택매도 결정요인 분석 및 예측모델 구축
지적과 국토정보
2020 .01
-
북한 산림학술지에 나타난 산림연구 특성 분석과 이를 기초한 산림협력 방안
현대북한연구
2021 .04
-
빅데이터 기반의 사회연결망 분석을 통해 바라본 유아 숲 교육에 대한 사회적 인식
유아교육연구
2018 .01
-
Implications of North Korean Forest Policy and “Golden Mountain Strategy”
Pacific Focus
2023 .04
-
머신러닝 기반 신체 계측정보를 이용한 CT 피폭선량 예측모델 비교
방사선기술과학
2020 .01
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-092458199