EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

การศึกษาพารามิเตอร์ที่เหมาะสมของตัวแบบโครงข่ายประสาทเทียมแบบหน่วยความจำระยะสั้นแบบยาว (LSTM) สำหรับการพยากรณ์ราคาสกุลเงินดิจิทัล กรณีศึกษา Bitcoin, Dogecoin และ Ethereum

วริสา ดาโท้, ปิยะชาติ เวียงนาค

วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน · 19.06.2026 · 4 (3)

DOI: 10.57260/stc.2026.1110 ↗

Kurz gefasst

Fachartikel in der Zeitschrift วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน, online erschienen am 19.06.2026. Verfasst von วริสา ดาโท้ und 1 weiteren Autor:innen. Die Arbeit nennt 14 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

สกุลเงินดิจิทัล เช่น Bitcoin (BTC), Ethereum (ETH) และ Dogecoin (DOGE) กำลังได้รับความนิยมเพิ่มขึ้น ทำให้การคาดการณ์ราคามีความสำคัญ งานวิจัยนี้ใช้โครงข่ายประสาทเทียมแบบ LSTM เพื่อพยากรณ์ราคาสกุลเงินดิจิทัล โดยเก็บข้อมูลราคาย้อนหลังจาก Yahoo Finance ตั้งแต่วันที่ 7 มกราคม พ.ศ 2563 ถึงวันที่ 5 มกราคม พ.ศ 2568 ทำการพรีโพรเซสข้อมูลด้วย Min-Max Scaling และใช้ข้อมูลย้อนหลัง 60 วันพยากรณ์ราคาวันถัดไป จากนั้นสร้างโมเดล LSTM โดยทำการทดลองปรับค่าพารามิเตอร์ 3 ค่า ได้แก่ LSTM Units, Dropout Rate และ Dense Layer และเปรียบเทียบประสิทธิภาพโดยใช้ RMSE ผลการทดลองพบว่า สำหรับ BTC โมเดลที่มี LSTM Units = 60, Dropout Rate = 0.1, Dense Layer = 2 ให้ค่า RMSE ต่ำสุดที่ 1967.35 สำหรับ DOGE โมเดลที่มี LSTM Units = 70, Dropout Rate = 0.1, Dense Layer = 1 ให้ค่า RMSE ต่ำสุดที่ 0.01242 และสำหรับ ETH โมเดลที่มี LSTM Units = 70, Dropout Rate = 0.1, Dense Layer = 1 ให้ค่า RMSE ต่ำสุดที่ 116.54 ผลลัพธ์แสดงให้เห็นว่า LSTM สามารถใช้ในการพยากรณ์ แนวโน้มราคาสกุลเงินดิจิทัลได้อย่างมีประสิทธิภาพ แต่ความแม่นยำอาจได้รับผลกระทบจากความผันผวนของตลาด

Zitieren

APA

ดาโท้, ว., & เวียงนาค, ป. (2026). การศึกษาพารามิเตอร์ที่เหมาะสมของตัวแบบโครงข่ายประสาทเทียมแบบหน่วยความจำระยะสั้นแบบยาว (LSTM) สำหรับการพยากรณ์ราคาสกุลเงินดิจิทัล กรณีศึกษา Bitcoin, Dogecoin และ Ethereum. วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน, 4(3). https://doi.org/10.57260/stc.2026.1110

Vancouver

ดาโท้ ว, เวียงนาค ป. การศึกษาพารามิเตอร์ที่เหมาะสมของตัวแบบโครงข่ายประสาทเทียมแบบหน่วยความจำระยะสั้นแบบยาว (LSTM) สำหรับการพยากรณ์ราคาสกุลเงินดิจิทัล กรณีศึกษา Bitcoin, Dogecoin และ Ethereum. วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน. 2026;4(3). doi:10.57260/stc.2026.1110

BibTeX
@article{2026,
  author = {ดาโท้, วริสา and เวียงนาค, ปิยะชาติ},
  title = {การศึกษาพารามิเตอร์ที่เหมาะสมของตัวแบบโครงข่ายประสาทเทียมแบบหน่วยความจำระยะสั้นแบบยาว (LSTM) สำหรับการพยากรณ์ราคาสกุลเงินดิจิทัล กรณีศึกษา Bitcoin, Dogecoin และ Ethereum},
  journal = {วิทยาศาสตร์และเทคโนโลยีสู่ชุมชน},
  year = {2026},
  volume = {4},
  number = {3},
  doi = {10.57260/stc.2026.1110}
}
Kostenlos starten →