Para citar este trabalho use um dos padrões abaixo:
O estudo aplicou o Perceptron Multicamadas (MLP), um tipo de Rede Neural Artificial, para prever preços de ações, treinando um modelo com arquitetura 100-50-1 usando dados históricos da ação WEGE3.SA. O treinamento, realizado em Python no Google Colab, utilizou o otimizador ADAM, função de perda Mean Square Error, 100 épocas e taxa de aprendizado de 0,001. Após o treinamento, o modelo previu preços futuros, que foram comparados com os reais.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo