بهینه سازی زمان آموزش مدل چندوجهی GPT-CNN-PTEN برای پیش بینی قیمت بیت کوین با استفاده از موازی سازی داده و محاسبات دقت ترکیبی

با تشدید تورم جهانی و کاهش قدرت خرید ارزهای رایج، ارزهای دیجیتال به عنوان گزینه ای بالقوه برای جایگزینی پول کاغذی مورد توجه قرار گرفته اند و این امر موجب افزایش چشمگیر تقاضا برای آن ها شده است. در این میان، پیش بینی قیمت بیت کوین به دلیل نوسانات شدید بازار و تاثیرپذیری از عوامل اقتصادی، سیاسی و رفتاری متعدد، به یکی از چالش برانگیزترین مسائل در حوزه مالی و یادگیری ماشین تبدیل شده است. در این راستا، مدل GPT- CNN-PTEN به عنوان یکی از معماری های پیشرفته یادگیری عمیق چندوجهی، توانسته است دقت قابل قبولی در پیش بینی قیمت ارائه دهد؛ با این حال، زمان بر بودن فرآیند آموزش این مدل همچنان به عنوان یک چالش اساسی مطرح است. در این پژوهش، با هدف کاهش زمان آموزش مدل GPT-CNN-PTEN، از تکنیک های موازی سازی داده و محاسبات دقت ترکیبی روی دو پردازنده گرافیکی NVIDIA Tesla T۴ استفاده شده است. نتایج نشان داد که روش پیشنهادی زمان آموزش را مقدار قابل توجهی بهبود داد. کیفیت پیش بینی نیز حفظ شده. این پژوهش نشان داد که ترکیب موازی سازی داده و محاسبات دقت ترکیبی رویکردی موثر برای شتاب دهی آموزش مدل های یادگیری عمیق چندوجهی است.

کلیدواژه ها:

پیش بینی قیمت بیت کوین ، یادگیری عمیق چندوجهی ، موازی سازی داده ، محاسبات دقت ترکیبی ، ترنسفورمر