In this paper, we have shown that a

In this paper, we have shown that a pattern recognition algorithm for forecasting is an alternative solution to using statistical methods that have limitations in nonlinear domains, or neural networks that have long training times and require substantial experience in their prior use. PMRS performance was found to be in close competition with neural networks; it is expected that further research on these predictors will yield superior results in future. The PMRS tool is attractive for several reasons: (i) pattern

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราได้แสดงว่า ขั้นตอนวิธีการรู้จำรูปแบบสำหรับการคาดการณ์เป็นโซลูชันสำรองการใช้วิธีการทางสถิติซึ่งมีข้อจำกัดในโดเมนที่ไม่เชิงเส้น หรือเครือข่ายประสาทที่มีเวลาการฝึกอบรมระยะยาว และต้องพบประสบการณ์ในการใช้ก่อน พบ PMRS ประสิทธิภาพในการแข่งขันปิดกับเครือข่ายประสาท ที่คาดหวังว่า การวิจัย predictors เหล่านี้จะได้ผลลัพธ์ที่เหนือกว่าในอนาคต เครื่องมือ PMRS น่าสนใจหลายเหตุผล: (i) รูปแบบ

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราได้แสดงให้เห็นว่าขั้นตอนวิธีการจดจำรูปแบบการพยากรณ์เป็นวิธีการแก้ปัญหาทางเลือกที่จะใช้วิธีการทางสถิติที่มีข้อ จำกัด ในโดเมนที่ไม่เป็นเชิงเส้นหรือเครือข่ายประสาทที่มีการฝึกอบรมครั้งนานและต้องมีประสบการณ์อย่างมากในการใช้งานของพวกเขาก่อน ประสิทธิภาพ PMRS พบว่าในการแข่งขันอย่างใกล้ชิดกับเครือข่ายประสาท; เป็นที่คาดว่าการวิจัยเพิ่มเติมเกี่ยวกับการพยากรณ์เหล่านี้จะให้ผลลัพธ์ที่ดีกว่าในอนาคต เครื่องมือ PMRS เป็นที่น่าสนใจหลายสาเหตุ: (i) รูปแบบ

ผลลัพธ์ (ไทย) 3:

ในบทความนี้เราได้แสดงขั้นตอนวิธีการรับรู้รูปแบบการพยากรณ์เป็นทางเลือกการใช้วิธีการทางสถิติว่ามีข้อจำกัดในขอบเขตเชิงเส้น หรือโครงข่ายประสาทเทียมที่มีช่วงเวลาการฝึกนานและต้องใช้ประสบการณ์อย่างมากในการใช้ก่อน งาน pmrs อยู่ในการแข่งขันอย่างใกล้ชิดกับโครงข่ายประสาทเทียม ;คาดว่างานวิจัยเพิ่มเติมในตัวแปรเหล่านี้จะให้ผลลัพธ์ที่เหนือกว่าในอนาคต การ pmrs เครื่องมือที่น่าสนใจหลายประการ : (
) รูปแบบ