Otkrivanje anomalija u vremenskim nizovima korištenjem varijacijskog autoenkodera

diplomski rad

• Naslov (engleski): Time Series Anomaly Detection Using Variational Autoencoder
• Autor: Jozo Papić
• Mentor: Zvonko Kostanjčar (mentor)
• Član povjerenstva: Zvonko Kostanjčar (predsjednik povjerenstva)
• Član povjerenstva: Marko Subašić (član povjerenstva)
• Član povjerenstva: Stjepan Begušić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Rad se bavi primjenom metoda dubokog učenja za otkrivanje anomalije u vremenskim nizovima. Razrađen je teorijski opis modela varijacijskog autoenkodera i odrađeno je njegovo uvježbavanje. Uvježbani model varijacijskog autoenkodera se koristio nad vremenskim nizovima na financijskom tržištu te su u tu svrhu razrađene tri strategije trgovanja nad dionicama koje koriste informaciju sa izlaza varijacijskog autoenkodera.

Sažetak (engleski)

This thesis shows the use of deep learning methods for anomaly detection on time series. For that purpose, a theoretical model of variational autoencoder has been made and trained. The trained variational autoencoder model has been used on time series on financial markets and for this case three trading strategies that use information from variational autoencoder output have been elaborated.

• Ključne riječi: Algoritmi trgovanja; dionice; autoenkoderi; duboko učenje
• Ključne riječi (engleski): Trading algorithms; stocks; autoencoders; deep learning
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:654754
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 15:47:07