Forecasting stock prices has been r

Forecasting stock prices has been regarded as one of the
most challenging applications of modern time series forecasting.
Thus, numerous models have been depicted to provide
the investors with more precise predictions. Recently,
artificial neural networks (ANN) have been applied to solve
problems of forecasting stock prices. Kimoto and Asakawa
[1] used modular neural networks to predict the timing of
buying and selling for the Tokyo Stock Exchange. Experimental
results showed that an excellent profit was achieved.
Kamijo and Tanigawa [2] developed a pattern recognition
technique to predict the stock prices on the Tokyo Stock Exchange.
A new method has been presented to evaluate the
recurrent networks to decrease the mismatching patterns.

ผลลัพธ์ (ไทย) 1:

การคาดการณ์ราคาหุ้นได้รับถือเป็นหนึ่งในงานที่ท้าทายมากที่สุดของยุคนี้ชุดการคาดการณ์ดังนั้น หลายรุ่นมีเป็นฉากให้นักลงทุน มีการคาดการณ์ที่แม่นยำมากขึ้น เมื่อเร็ว ๆ นี้มีการใช้เครือข่ายประสาทเทียม (แอน) แก้ปัญหาของการคาดการณ์ราคาหุ้น มมัยและอา[1] ใช้เครือข่ายประสาท modular ทำนายระยะเวลาของซื้อ และขายสำหรับตลาดหลักทรัพย์โตเกียว ทดลองผลการศึกษาพบว่า มีกำไรดีสำเร็จKamijo และทานิงาวะ [2] การรู้จำรูปแบบการพัฒนาเทคนิคการทำนายราคาหุ้นในตลาดหลักทรัพย์โตเกียววิธีการใหม่ได้รับการนำเสนอการประเมินการเครือข่ายที่เกิดขึ้นเพื่อลดรูปแบบไม่

ผลลัพธ์ (ไทย) 2:

คาดการณ์ราคาหุ้นที่ได้รับการยกย่องว่าเป็นหนึ่งใน
การใช้งานที่ท้าทายมากที่สุดในปัจจุบันการพยากรณ์อนุกรมเวลา.
ดังนั้นหลายรุ่นได้รับภาพที่จะให้
นักลงทุนกับการคาดการณ์ที่แม่นยำมากขึ้น เมื่อเร็ว ๆ นี้
เครือข่ายประสาทเทียม (ANN) ได้ถูกนำมาใช้ในการแก้
ปัญหาที่เกิดจากการคาดการณ์ราคาหุ้น Kimoto และ Asakawa
[1] ใช้โครงข่ายประสาทเทียมแบบแยกส่วนที่จะคาดการณ์ระยะเวลาของการ
ซื้อและการขายสำหรับตลาดหลักทรัพย์โตเกียว การทดลอง
ผลการทดลองพบว่ามีผลกำไรที่ดีก็ประสบความสำเร็จ.
KAMIJO และ Tanigawa [2] การพัฒนารูปแบบการรับรู้
เทคนิคที่จะคาดการณ์ราคาหุ้นในตลาดหลักทรัพย์โตเกียว.
วิธีการใหม่ที่ได้รับการเสนอให้ประเมิน
เครือข่ายที่เกิดขึ้นอีกเพื่อลดรูปแบบไม่ตรงกัน

ผลลัพธ์ (ไทย) 3:

การพยากรณ์ราคาหุ้นได้รับถือเป็นหนึ่งในงานที่ท้าทายมากที่สุดของสมัยใหม่การพยากรณ์อนุกรมเวลาดังนั้นโมเดลมากมายได้ถูกอธิบายให้นักลงทุนมีการคาดการณ์ที่แม่นยำมากขึ้น เมื่อเร็วๆ นี้โครงข่ายประสาทเทียม ( ANN ) มาใช้เพื่อแก้ปัญหาของการพยากรณ์ราคาหุ้น คิโมโตะ และ อาซาคาวะ[ 1 ] ใช้โครงข่ายประสาทเทียมแบบแยกส่วนเพื่อทำนายระยะเวลาของซื้อและขายในตลาดหลักทรัพย์โตเกียว ทดลองผลการศึกษาพบว่า ผลกำไรที่ดีเยี่ยมมีความคามิโจ และทานิ [ 2 ] พัฒนารูปแบบเทคนิคการพยากรณ์ราคาหุ้นในตลาดหลักทรัพย์โตเกียววิธีการใหม่ได้รับการเสนอเพื่อประเมินเครือข่ายกำเริบ ลด mismatching รูปแบบ