There have been several attempts to

There have been several attempts to estimate the parameters of ARMA models by different researchers (Ljung and Box, 1979; Ansely, 1979; Gardner et al., 1980; Pearlman, 1980; Melard, 1984; Azrak and Melard, 1998). Most of these methods are based on the Kalman filter which
needs a great amount of computation. Monte-Carlo experiments have shown that for ARMA models with relatively short lengths of data, e.g. 50 or 100 observations, exact maximum likelihood estimation is far superior to conditional maximum likelihood estimation or least-squares estimation (Azrak and Melard, 1998). Recently, artificial neural network techniques have been used to estimate ARMA parameters. Chenoweth et al. (2000) showed that an ANN is not
able to estimate the order of ARMA models accurately when the number of data points is less than 100.

ผลลัพธ์ (ไทย) 1:

มีความพยายามหลายครั้งเพื่อประเมินพารามิเตอร์รุ่นอาร์มาโดยนักวิจัยแตกต่างกัน (Ljung และกล่อง 1979 Ansely, 1979 การ์ดเนอร์ et al., 1980 Pearlman, 1980 Melard, 1984 Azrak และ Melard, 1998) ส่วนใหญ่วิธียึด Kalman กรองซึ่งต้องการการคำนวณจำนวนมาก Monte Carlo ทดลองได้แสดงว่า รุ่นอาร์มาด้วยค่อนข้างสั้นความยาวของข้อมูล เช่น 50 หรือ 100 สังเกต ประเมินความเป็นไปได้สูงสุดที่แน่นอนได้ไกลจะประเมินความเป็นไปได้สูงสุดตามเงื่อนไขหรือการประมาณการกำลังสองน้อยสุด (Azrak และ Melard, 1998) ล่าสุด เทคนิคโครงข่ายประสาทเทียมมีการใช้การประมาณพารามิเตอร์อาร์มา Chenoweth et al. (2000) พบว่า แอนน์ยังไม่ได้สามารถคาดคะเนใบสั่งของอาร์มารุ่นอย่างถูกต้องเมื่อจำนวนของจุดข้อมูลคือ น้อยกว่า 100

ผลลัพธ์ (ไทย) 2:

มีความพยายามหลายครั้งที่จะประมาณค่าพารามิเตอร์ของรุ่น ARMA โดยนักวิจัยที่แตกต่างกัน (Ljung และกล่อง 1979; Ansely 1979; การ์ดเนอร์, et al, 1980;. เพิร์ล 1980; Melard 1984; Azrak และ Melard, 1998)
ส่วนใหญ่วิธีการเหล่านี้จะขึ้นอยู่กับตัวกรองคาลมานซึ่งต้องมีจำนวนมากของการคำนวณ การทดลอง Monte-Carlo แสดงให้เห็นว่าสำหรับรูปแบบ ARMA ที่มีความยาวสั้นของข้อมูลเช่น 50 หรือ 100 สังเกตที่แน่นอนการประมาณค่าความน่าจะเป็นสูงสุดจะไกลกว่าการประมาณค่าความน่าจะเป็นสูงสุดเงื่อนไขหรืออย่างน้อยสี่เหลี่ยมประมาณค่า (Azrak และ Melard, 1998) เมื่อเร็ว ๆ นี้เทคนิคโครงข่ายประสาทเทียมได้ใช้ในการประมาณค่าพารามิเตอร์ ARMA Chenoweth et al, (2000)
แสดงให้เห็นว่าแอนจะไม่สามารถที่จะประเมินคำสั่งของรุ่นARMA ได้อย่างถูกต้องเมื่อจำนวนของจุดข้อมูลน้อยกว่า 100

ผลลัพธ์ (ไทย) 3:

มีความพยายามที่จะประเมินพารามิเตอร์ของแบบจำลอง อาวุธ โดยนักวิจัยที่แตกต่างกัน ( ljung และกล่อง , 1979 ; ansely , 1979 ; Gardner et al . , 1980 ; เพิร์ลแมน , 1980 ; melard , 1984 ; azrak และ melard , 1998 ) ที่สุดของวิธีการเหล่านี้จะขึ้นอยู่กับตัวกรองคาลมานซึ่ง
ต้องการจำนวนมากของการคำนวณได้มอนติ คาร์โล การทดลองแสดงให้เห็นว่าแบบจำลองสำหรับ Arma ที่มีความยาวค่อนข้างสั้นของข้อมูลเช่น 50 หรือ 100 ตัวอย่าง แน่นอน ความเป็นไปได้สูงสุดประมาณไกล superior เงื่อนไขความเป็นไปได้สูงสุดประมาณหรือวิธีการและ azrak melard , 1998 ) เมื่อเร็วๆ นี้ เทคนิคโครงข่ายประสาทเทียมได้ถูกนำมาใช้เพื่อประมาณค่าพารามิเตอร์ อาวุธ . ทั้งสอง et al .( 2000 ) พบว่า แอนไม่ได้
สามารถประมาณการสั่งซื้อของแบบ อาวุธที่ถูกต้อง เมื่อจำนวนของจุดข้อมูลที่น้อยกว่า 100