이더리움 블록체인 주소를 대상으로 지도 학습(랜덤 포레스트, XGBoost 등)을 적용하여 정상/악성 활동을 분류하고, 그 성능을 분석함으로써 블록체인 보안 및 자금세탁방지에 기여했다. 논문 요약 해결하려는 문제 본 연구는 이더리움 블록체인 네트워크 내에서 발생하는 악성 활동(피싱, 사기, 자금세탁 등)을 탐지하고 분류하는 데…
Attention 기반 Temporal Fusion Transformer(ADE-TFT)를 통해 BTC, ETH 등 암호화폐 가격을 예측하고, 예측 변수 및 시계열 패턴의 해석 가능성을 제시하여 예측 성능과 설명력을 동시에 개선했다. 논문 요약 해결하려는 문제 본 연구는 암호화폐 시장의 예측 정확도 향상뿐만 아니라, 예측 결과에 대한…
암호화폐 시계열 데이터를 하위 범주(subseries)로 분류하고 각 범주에 특화된 Temporal Fusion Transformer(TFT)를 훈련하여, 암호화폐 가격 예측 정확도를 개선한 연구 논문이다. 논문 요약 해결하려는 문제 본 연구는 암호화폐 시장의 복잡하고 이질적인 시계열 특성으로 인해 단일 모델로 정확한 가격 예측을 수행하기 어려운…
고차원 다변량 시계열 데이터의 장기 예측 정확도를 높이기 위해 벡터 양자화와 이산 토큰화를 활용한 Hierarchical Discrete Transformer(HDT) 프레임워크를 제안하고 그 우수성을 입증했다. 논문 요약 해결하려는 문제 본 연구는 고차원 다변량 시계열 데이터의 장기 예측에서 발생하는 복잡성과 비효율성 문제를 해결하고자 했다.…
Transformer와 CNN의 하이브리드 아키텍처를 활용하여 암호화폐 시장의 시계열 데이터를 예측하고, 장단기 패턴 인식 성능을 분석한 학술 논문이다. 논문 요약 해결하려는 문제 본 연구는 암호화폐 시장의 높은 변동성과 복잡한 시계열 패턴으로 인한 예측의 어려움을 해결하고자 했다. 기존 시계열 예측 모델들이 금융…