加密神经网络
最近，加密货币已成为财务考虑的热门话题。从所有意图和目的来看，加密货币的行为都像股票一样，因为交易者仔细地预测了所选加密货币的收盘价的涨跌。 我想看看是否有一种方法可以利用深度学习，特别是实施长期的短期内存设计来预测各种加密货币的兴衰总体趋势。网络本身是使用Keras和Tensorflow框架实现的，这两个框架是开放的源深度学习库。 它从Yahoo!上可用的数据中获取数据。 财务数据库。 使用另一个开源库pandas对该数据进行预处理，以对其进行修改，使其与Keras的LSTM模型进行交互。 我们想将第四列（对应于加密货币的收盘价）上传到熊猫数据框。 关于数据预处理的更多信息将在以下有关神经网络本身结构的段落中进行解释。
长短期记忆（LSTM）神经网络是递归神经网络的一种专门实现。 他们使用指定数量的先前数据值来预测未来值。 该值的范围称为窗口。 因此，作为数据预处理的一部
