exchange rate regime to the near pr

exchange rate regime to the near present. Multiple neural network forecasting models for each exchange rate forecasting model are trained on incrementally larger quantities of training data. The resulting outputs are used to empirically evaluate whether neural network exchange rate forecasting models achieve optimal performance in the presence of a critical amount of data used to train the network. Once this critical quantity of data is obtained, addition of more training data will not improve (and may in fact hinder) the forecasting performance of the neural network forecasting model.

ผลลัพธ์ (ไทย) 1:

อัตราแลกเปลี่ยนระบอบปัจจุบันใกล้ ข่ายประสาทหลายการคาดการณ์ที่แบบจำลองการคาดการณ์อัตราแลกเปลี่ยนแต่ละรูปแบบมีการฝึกอบรมแบบเพิ่มหน่วยขนาดใหญ่ปริมาณของข้อมูลการฝึกอบรม แสดงผลเป็นผลลัพธ์จะใช้ empirically ประเมินว่าแบบจำลองการคาดการณ์อัตราแลกเปลี่ยนเครือข่ายประสาทให้บรรลุประสิทธิภาพสูงสุดในต่อหน้าของจำนวนข้อมูลที่ใช้ในการฝึกอบรมเครือข่ายที่สำคัญ เมื่อได้รับปริมาณนี้สำคัญของข้อมูล เพิ่มข้อมูลการฝึกอบรมเพิ่มเติมจะปรับปรุง (และอาจขัดขวางในความเป็นจริง) คาดการณ์ประสิทธิภาพของการพยากรณ์แบบจำลองโครงข่ายประสาท

ผลลัพธ์ (ไทย) 2:

ระบบอัตราแลกเปลี่ยนในปัจจุบันที่อยู่ใกล้ หลายรูปแบบการพยากรณ์เครือข่ายประสาทสำหรับอัตราแลกเปลี่ยนรูปแบบการพยากรณ์แต่ละได้รับการฝึกฝนในปริมาณที่เพิ่มขึ้นขนาดใหญ่ของข้อมูลการฝึกอบรม ขับผลที่ใช้ในการสังเกตุการประเมินว่าการแลกเปลี่ยนโครงข่ายประสาทเทียมรูปแบบการพยากรณ์อัตราการบรรลุประสิทธิภาพสูงสุดในการปรากฏตัวของจำนวนเงินที่สำคัญของข้อมูลที่ใช้ในการฝึกอบรมเครือข่าย เมื่อปริมาณที่สำคัญของข้อมูลนี้จะได้รับนอกเหนือจากข้อมูลการฝึกอบรมมากขึ้นจะไม่ดีขึ้น (และในความเป็นจริงอาจขัดขวาง) การคาดการณ์ผลการดำเนินงานของรูปแบบการพยากรณ์โครงข่ายประสาทเทียม

ผลลัพธ์ (ไทย) 3:

ระบบอัตราแลกเปลี่ยนที่ใกล้ปัจจุบัน โครงข่ายประสาทเทียมแบบการพยากรณ์ที่เหมาะสมสำหรับแต่ละการพยากรณ์อัตราแลกเปลี่ยนแบบฝึกในแบบเพิ่มหน่วยปริมาณขนาดใหญ่ของข้อมูลการฝึกอบรมผลคือจะใช้ในการใช้ประเมินว่าอัตราการแลกเปลี่ยนโครงข่ายประสาทแบบพยากรณ์ให้บรรลุประสิทธิภาพที่ดีที่สุดในการแสดงตนของยอดเงินที่สำคัญของข้อมูลที่ใช้ในการฝึกอบรมเครือข่าย เมื่อปริมาณของข้อมูลที่สำคัญ เช่นเพิ่มข้อมูลการฝึกอบรมเพิ่มเติมจะไม่พัฒนา ( และในความเป็นจริงอาจขัดขวาง ) พยากรณ์สมรรถนะของโครงข่ายประสาทเทียมแบบจำลองการพยากรณ์ .