مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 23 3 2026 1 6 Error Reduction in Cryptocurrency Time Series Forecasting through Bidirectional LSTM and GRU Deep Neural Networks کاهش درصد خطای پیش‌بینی سری‌های‌ زمانی قیمت رمزارزها با استفاده از دوسویه‌سازی شبکه‌های عصبی یادگیری عمیق 166 178 fa فتانه کاظم زاده دانشگاه بین المللی امام رضا(ع) مشهد مسعود هوشمند کفاشیان دانشگاه فردوسی منیره هوشمند دانشگاه امام رضا 2025 3 27  Time series forecasting in engineering, telecommunications, and finance is of great importance. Financial time series, which are often multivariate, require precise and optimized algorithms. In recent research, deep neural networks have demonstrated successful results in improving the accuracy of financial time series forecasting. This study investigates the use of LSTM and GRU networks in predicting cryptocurrency prices and examines the bidirectional implementation of these networks, with an emphasis on optimal hyperparameter selection to reduce prediction error and enhance accuracy through Grid Search, RandomizedSearchCV, and Bayesian methods. Simulation results indicate that employing bidirectional LSTM and BiGRU networks reduced the prediction error rate for BTC by up to 3.22%, for ETH by 3.94%, and for LTC by 3.99%. پیش&zwnj;بینی سری&zwnj;های زمانی در حوزه&zwnj;های مهندسی، مخابرات و امور مالی از اهمیت بالایی برخوردار است. سری&zwnj;های زمانی مالی، که اغلب چند متغیره هستند، نیاز به الگوریتم&zwnj;های دقیق&zwnj; و بهینه&zwnj; دارند. در پژوهش&zwnj;های سال&zwnj;های اخیر، شبکه&zwnj;های عصبی عمیق در بهبود دقت پیش&zwnj;بینی سری&zwnj;های زمانی مالی نتایج موفقی نشان داده&zwnj;اند. این پژوهش به بررسی استفاده از شبکه&zwnj;های LSTM و GRU در پیش&zwnj;بینی قیمت رمزارزها پرداخته و رویکرد دوسویه&zwnj;سازی این شبکه&zwnj;ها  را با تاکید به  انتخاب بهینه هایپرپارامترها به منظور کاهش خطای پیش&zwnj;بینی و افزایش دقت با استفاده از روشهای جستجوی شبکهای، جستجوی اتفاقیCV و بیزین مورد مطالعه قرار می&zwnj;دهد. نتایج شبیه&zwnj;سازی نشان می&zwnj;دهند که استفاده از شبکه&zwnj;های دو سویه LSTM و شبکه دوسویه BiGRU کاهش درصد خطا را برای رمزارز BTC تا 22/3% ، برای ETH تا   94/3% ، و برای LTC تا 99/3%  به همراه داشته است.

http://ijece.org/ar/Article/Download/49818