Youn and Gu (2007) tested the predi

Youn and Gu (2007) tested the prediction of business failure in the Korean lodging industry
and concluded that Korean lodging firms ―should lower their reliance on debt financing and
increase the efficiency in using existing assets to generate sales revenue.‖

Youn and Gu (2010) found the Artificial Neural Networks ( ANN) model advantageous
over the logistic regression model in prediction accuracy. They concluded that interest
coverage is the most important signal of business failure for the Korean hotel industry,
proposing Korean lodging firms should increase the interest coverage. The ability to service
debts and productivity of profits is regarded as a survival indicator of Korean hotel firms.

Soo Y. Kim (2011) tested the application of multivariate discriminant analysis, logistic,
artificial neural networks (ANNs), and support vector machine (SVM) models in hotel
bankruptcy prediction, and considered ANN as best early warning technique that performs
accurately with small relative error costs for hotel bankruptcy prediction.

ผลลัพธ์ (ไทย) 1:

กู (2007) และโสยูนทดสอบทำนายของความล้มเหลวของธุรกิจในอุตสาหกรรมพักเกาหลีและสรุปว่า เกาหลีพักกระชับ ―should ล่างของพวกเขาพึ่งพาเงินหนี้ และเพิ่มประสิทธิภาพในการใช้สินทรัพย์ที่มีอยู่เพื่อสร้างรายได้จากการขาย‖โสยูนและกู (2010) พบแบบประดิษฐ์ประสาทเครือข่าย (แอน) ได้ประโยชน์ผ่านแบบจำลองการถดถอยโลจิสติกในความถูกต้องของการคาดเดา พวกเขาสรุปว่า สนใจความครอบคลุมเป็นสัญญาณสำคัญที่สุดของความล้มเหลวของธุรกิจอุตสาหกรรมโรงแรมเกาหลีเสนอพักเกาหลีบริษัทควรเพิ่มความสนใจครอบคลุม ความสามารถในการรับบริการหนี้สินและผลผลิตของผลกำไรถือเป็นตัวบ่งชี้ความอยู่รอดของบริษัทโรงแรมเกาหลีดังนั้น คิม Y. (2011) ทดสอบการประยุกต์ใช้การวิเคราะห์ตัวแปรพหุ discriminant, logisticเครือข่ายประสาทเทียม (ANNs), และสนับสนุนรูปแบบเครื่องจักร (SVM) เวกเตอร์ในโรงแรมคาดการณ์ล้มละลาย และแอนพิจารณาคำเตือนเทคนิคที่เป็นที่สุดก่อนอย่างถูกต้อง ด้วยต้นทุนผิดพลาดสัมพัทธ์เล็กสำหรับโรงแรมทำนายล้มละลาย

ผลลัพธ์ (ไทย) 2:

Youn และ Gu (2007)
การทดสอบการคาดการณ์ของความล้มเหลวทางธุรกิจในอุตสาหกรรมที่พักเกาหลีและได้ข้อสรุปว่าบริษัท เกาหลีที่พัก -should
ลดความเชื่อมั่นในการจัดหาเงินทุนตราสารหนี้และเพิ่มประสิทธิภาพในการใช้สินทรัพย์ที่มีอยู่เพื่อสร้างยอดขายrevenue.‖ Youn และ Gu (2010 ) พบเครือข่ายประสาทเทียม (ANN) รูปแบบที่ได้เปรียบกว่าแบบการถดถอยโลจิสติกในความถูกต้องทำนาย พวกเขาสรุปว่าน่าสนใจคุ้มครองเป็นสัญญาณที่สำคัญที่สุดของความล้มเหลวทางธุรกิจสำหรับอุตสาหกรรมโรงแรมเกาหลีเสนอที่พักบริษัท เกาหลีควรจะเพิ่มความคุ้มครองที่น่าสนใจ ความสามารถในการให้บริการหนี้และผลผลิตของผลกำไรที่ได้รับการยกย่องเป็นตัวบ่งชี้ความอยู่รอดของ บริษัท โรงแรมเกาหลี. ซูคิมวาย (2011) การทดสอบการประยุกต์ใช้การวิเคราะห์จำแนกหลายตัวแปรที่โลจิสติกเครือข่ายประสาทเทียม(ANNs) และการสนับสนุนเครื่องเวกเตอร์ (SVM ) รูปแบบในโรงแรมทำนายล้มละลายและคิดว่าแอนเป็นเทคนิคการเตือนภัยที่ดีที่สุดที่จะดำเนินการอย่างถูกต้องกับค่าใช้จ่ายข้อผิดพลาดขนาดเล็กเมื่อเทียบการทำนายล้มละลายโรงแรม

ผลลัพธ์ (ไทย) 3:

ยุน กับ กู ( 2007 ) ทดสอบการทำนายความล้มเหลวทางธุรกิจในอุตสาหกรรมที่พักเกาหลี
และสรุปได้ว่า บริษัท ผมอยากพักเกาหลี ควรลดการพึ่งพาเงินทุนตราสารหนี้และ
เพิ่มประสิทธิภาพในการใช้สินทรัพย์ที่มีอยู่ในการสร้างรายได้การขาย ‖

ยุน กับ กู ( 2010 ) พบว่าแบบจำลองโครงข่ายประสาทเทียม ( ANN ) ประโยชน์
ผ่านการวิเคราะห์การถดถอยโลจิสติกในความถูกต้องพยากรณ์ พวกเขาสรุปว่าดอกเบี้ย
ครอบคลุมเป็นสัญญาณที่สำคัญที่สุดของความล้มเหลวทางธุรกิจสำหรับอุตสาหกรรมโรงแรมเกาหลีที่พักเกาหลี
เสนอบริษัทควรเพิ่มผลประโยชน์ความคุ้มครอง ความสามารถในการเพิ่มกำไรและหนี้สินบริการ
ถือว่ารอดตัวบ่งชี้ของ บริษัท โรงแรม ซู

Yคิม ( 2011 ) การทดสอบการประยุกต์ใช้การวิเคราะห์จำแนกพหุตัวแปรโลจิสติก
โครงข่ายประสาทเทียม ( แอนน์ ) และสนับสนุนเครื่องเวกเตอร์ ( SVM ) แบบในโรงแรม
การล้มละลาย การทำนาย และถือว่าแอนเป็นเทคนิคที่มีประสิทธิภาพเตือนภัย
ถูกต้องกับต้นทุนค่าคลาดเคลื่อนสัมพัทธ์ขนาดเล็กสำหรับโรงแรมล้มละลาย พยากรณ์