Although neural networks possess th

Although neural networks possess the properties required for technical financial forecasting, they cannot be used to explain the causal relationship between input and output variables because of their black box nature. Neuro-fuzzy hybridization synergizes neural networks and fuzzy systems by combining the human-like reasoning style of fuzzy systems with the learning and connectionist structure of neural networks. Neuro-fuzzy hybridization is widely termed as fuzzy neural networks (FNNs) or neuro-fuzzy systems (NFSs) in the literature [27]. NFSs incorporates the human-like reasoning style of fuzzy systems through the use of fuzzy sets and a linguistic model consisting of a set of IF–THEN fuzzy rules. Thus the main strength of NFSs is that they are universal approximators [28]–[30] with the ability to solicit interpretable IF–THEN rules [31]. In recent years, increasing number of research applied NFSs in financial engineering [32]. Someworks that applied NFSs in forecasting stock price are [8], [21], [33]–[35].

ผลลัพธ์ (ไทย) 1:

แม้ว่าเครือข่ายประสาทมีคุณสมบัติที่จำเป็นสำหรับการคาดการณ์ทางการเงินทางเทคนิค พวกเขาไม่สามารถใช้อธิบายความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรอินพุท และเอาท์พุทเนื่องจากธรรมชาติกล่องดำของพวกเขา ศัลยกรรมเอิบ hybridization synergizes เอิบระบบและเครือข่ายประสาท โดยรวมแบบเหตุผลบุคคลเช่นระบบเอิบกับ connectionist และเรียนรู้โครงสร้างของเครือข่ายประสาท ศัลยกรรมเอิบ hybridization อย่างกว้างขวางได้รับการเรียกว่าเป็นเครือข่ายประสาทปุย (FNNs) หรือระบบสมองปุย (NFSs) ในวรรณคดี [27] NFSs ประกอบด้วยลักษณะเหมือนมนุษย์ใช้เหตุผลระบบชัดเจนโดยใช้ชุดเอิบและแบบภาษาศาสตร์ที่ประกอบด้วยชุดของกฎที่ชัดเจนถ้า – นั้น ดังนั้น ความแข็งแรงหลักของ NFSs คือพวกเขา approximators สากล [28] – [30] สามารถขอกฎถ้าแล้ว interpretable [31] ในปีที่ผ่านมา เพิ่มจำนวนงานวิจัยใช้ NFSs ในวิศวกรรมทางการเงิน [32] Someworks ที่ใช้ NFSs ในการคาดการณ์ราคาหุ้นมี [8], [21], [33] – [35]

ผลลัพธ์ (ไทย) 2:

แม้ว่าเครือข่ายประสาทมีคุณสมบัติที่จำเป็นสำหรับการคาดการณ์ทางการเงินทางเทคนิคที่พวกเขาไม่สามารถนำมาใช้เพื่ออธิบายความสัมพันธ์เชิงสาเหตุระหว่างอินพุทและเอาท์พุทตัวแปรเพราะธรรมชาติของพวกเขากล่องสีดำ พันธุ์ประสาทเลือน synergizes เครือข่ายประสาทและระบบเลือนโดยการรวมมนุษย์เหมือนรูปแบบการใช้เหตุผลของระบบเลือนกับการเรียนรู้และโครงสร้าง connectionist ของเครือข่ายประสาท พันธุ์ประสาทเลือนจะเรียกว่าอย่างกว้างขวางว่าเป็นเครือข่ายประสาทเลือน (FNNs) หรือระบบประสาทเลือน (NFSs) ในวรรณคดี [27] NFSs รวมมนุษย์เหมือนรูปแบบการใช้เหตุผลของระบบเลือนผ่านการใช้ชุดเลือนและรูปแบบของภาษาซึ่งประกอบด้วยชุดของ IF-THEN กฎเลือน ดังนั้นความแข็งแรงหลักของ NFSs คือพวกเขาจะ approximators สากล [28] - [30] ที่มีความสามารถในการเรียกร้อง interpretable IF-THEN กฎ [31] ในปีที่ผ่านมาจำนวนเพิ่มมากขึ้นของการวิจัยมาประยุกต์ใช้ในงานวิศวกรรม NFSs การเงิน [32] Someworks ที่นำมาใช้ในการพยากรณ์ NFSs ราคาหุ้นอยู่ [8], [21], [33] - [35]

ผลลัพธ์ (ไทย) 3:

แม้ว่าโครงข่ายประสาทเทียมมี คุณสมบัติที่จำเป็นสำหรับการพยากรณ์ทางการเงินทางด้านเทคนิคที่พวกเขาไม่สามารถใช้เพื่ออธิบายความสัมพันธ์เชิงสาเหตุระหว่างอินพุตเอาต์พุตและตัวแปรเพราะธรรมชาติกล่องสีดำของพวกเขาNeuro ฟัซซี่นิวรอลเน็ตเวิร์ก ( synergizes และระบบฟัซซี่ โดยรวมคนชอบสไตล์เหตุผลของระบบฟัซซี่ ด้วยการเรียนรู้ และคอนเนคชันนิสต์ โครงสร้างของโครงข่ายประสาทเทียม ( Neuro ฟัซซี่กว้าง termed เป็นโครงข่ายประสาทเทียมแบบฟัซซี่ ( fnns ) หรือระบบฟัซซี่ ประสาท ( nfss ) ในวรรณคดี [ 27 ]nfss ประกอบด้วยมนุษย์ชอบสไตล์เหตุผลของระบบฟัซซีโดยใช้ชุดฟัซซี่และรูปแบบภาษาประกอบด้วยชุดของฟัซซี่ ) แล้วถ้ากฎ ดังนั้นความแข็งแรงหลักของ nfss ว่าเป็นสากล approximators [ 28 ] - [ 30 ] มีความสามารถในการ interpretable ถ้า - แล้วกฎ [ 31 ] ใน ปี ล่าสุดการเพิ่มจำนวนของการวิจัยประยุกต์ทางวิศวกรรมการเงิน nfss [ 32 ] someworks ที่ใช้ในการพยากรณ์ราคาหุ้น nfss [ 8 ] , [ 21 ] , [ 33 ] - [ 3 ]