Μελέτη οικονομικών στοιχείων για την πρόβλεψη συμπεριφοράς τους στην σύγχρονη οικονομική πραγματικότητα με χρήση τεχνητών νευρωνικών δικτύων
| dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
| dc.contributor.author | Κυριακού, Κυριάκος | |
| dc.date.accessioned | 2025-02-05T12:25:27Z | |
| dc.date.available | 2025-02-05T12:25:27Z | |
| dc.date.issued | 2024-05 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/17416 | |
| dc.description.abstract | Σε μια εποχή που χαρακτηρίζεται από την εκθετική ανάπτυξη δεδομένων και την αδιάκοπη πορεία της τεχνολογικής καινοτομίας, τα τεχνητά νευρωνικά δίκτυα (ΤΝΔ) έχουν αναδειχθεί ως μια μετασχηματιστική δύναμη στη σφαίρα της μηχανικής μάθησης και της τεχνητής νοημοσύνης (ΤΝ). Αυτά τα ευέλικτα υπολογιστικά μοντέλα, εμπνευσμένα από την πολύπλοκη δομή του ανθρώπινου εγκεφάλου, έχουν ταξιδέψει σε ένα συναρπαστικό ταξίδι από την ταπεινή αρχή τους για να γίνουν ο ακρογωνιαίος λίθος της σύγχρονης ανάλυσης δεδομένων, της αναγνώρισης προτύπων και της προγνωστικής μοντελοποίησης. Σε αυτή τη δυναμική εποχή, όπου τα δεδομένα ρέουν άφθονα, η επίλυση μη γραμμικών προβλημάτων έχει καταστεί απόλυτη αναγκαιότητα, ιδιαίτερα στον χρηματοπιστωτικό τομέα. Το οικονομικό τοπίο παρουσιάζει μυριάδες προκλήσεις, πολλές από τις οποίες είναι εγγενώς μη γραμμικές και πολύπλοκες. Σε αυτό το πλαίσιο τα τεχνητά νευρωνικά δίκτυα λάμπουν ως ισχυρά εργαλεία για την ανάλυση περίπλοκων οικονομικών πληροφοριών. Αυτή η ερευνητική εργασία διερευνά την εφαρμογή των τεχνητών νευρωνικών δικτύων στη σύγχρονη οικονομική πραγματικότητα χρησιμοποιώντας τεχνικές μηχανικής μάθησης και πρόβλεψη χρονοσειρών. Επιδιώκει να αποκαλύψει τις δυνατότητες των ΤΝΔ ως μέσο αντιμετώπισης των περίπλοκων προκλήσεων που αντιμετωπίζει σήμερα ο χρηματοπιστωτικός τομέας. Μέσω ενός συνδυασμού ιστορικού πλαισίου, θεωρητικών θεμελίων, πρακτικής εφαρμογής και κριτικής ανάλυσης, αυτή η διατριβή στοχεύει να συμβάλει στον εξελισσόμενο λόγο για την ενσωμάτωση της τεχνολογίας αιχμής στον οικονομικό τομέα. Τελικά, προσπαθεί να διαθέσει πληροφορίες που μπορούν να παρέχουν πιο ακριβείς οικονομικές προβλέψεις και τη λήψη αποφάσεων βάσει δεδομένων σε μια εποχή που ορίζεται από την αφθονία των δεδομένων και την τεχνολογική πρόοδο. | el |
| dc.format.extent | 60 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Μελέτη οικονομικών στοιχείων για την πρόβλεψη συμπεριφοράς τους στην σύγχρονη οικονομική πραγματικότητα με χρήση τεχνητών νευρωνικών δικτύων | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | In an era characterized by exponential data growth and the relentless march of technological innovation, artificial neural networks (ANNs) have emerged as a transformative force in the realm of machine learning and artificial intelligence (AI). These flexible computational models, inspired by the complex structure of the human brain, have embarked on an exciting journey from their humble beginnings to become the cornerstone of modern data analysis, pattern recognition and predictive modeling. In this dynamic era where data flows abundantly, solving nonlinear problems has become an absolute necessity, especially in the financial sector. The financial landscape presents myriad challenges, many of which are inherently nonlinear and complex. In this context, artificial neural networks shine as powerful tools for analyzing complex financial information. This research paper explores the application of artificial neural networks to modern economic reality using machine learning techniques and time series prediction. It seeks to uncover the potential of AI as a means of addressing the complex challenges facing the financial sector today. Through a combination of historical context, theoretical foundations, practical application and critical analysis, this thesis aims to contribute to the evolving discourse on the integration of cutting-edge technology in the financial sector. Ultimately, it seeks to make available information that can provide more accurate economic forecasting and data-driven decision making in an era defined by data abundance and technological advances. | el |
| dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
| dc.subject.keyword | Τεχνητά νευρωνικά δίκτυα | el |
| dc.date.defense | 2024-07-25 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα