비트코인 가격 예측을 위한 LSTM 모델의 Hyper-parameter 최적화 연구

국문 초록 (Abstract)

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.

다국어 초록 (Multilingual Abstract)

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.

목차 (Table of Contents)

• 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