The neural network generates point

The neural network generates point forecasts. To get probabilistic forecasts in quantiles, the standard deviation on the error from the training set is calculated as σ = std(C ˆ (t) − C (t)), t = T − 311, T − 310, . . . , T. When we have point forecasts C ˆ (t) for the test data and standard deviations σ , we use the inverse cumulative distribution

ผลลัพธ์ (ไทย) 1:

ข่ายประสาทสร้างคาดการณ์จุด จะได้รับการคาดการณ์น่าจะ quantiles คำนวณค่าเบี่ยงเบนมาตรฐานเกี่ยวกับข้อผิดพลาดจากชุดฝึกเป็นσ = std (C ˆ (t) − C (t)), t = T − T − 310,..., 311 ต. เมื่อเรามีจุดคาดการณ์ C ˆ (t) สำหรับข้อมูลทดสอบและค่าเบี่ยงเบนมาตรฐานσ เราใช้การแจกแจงสะสมผกผัน

ผลลัพธ์ (ไทย) 2:

เครือข่ายประสาทสร้างการคาดการณ์จุด ที่จะได้รับการคาดการณ์ความน่าจะเป็นใน quantiles, ค่าเบี่ยงเบนมาตรฐานในข้อผิดพลาดจากชุดการฝึกอบรมที่มีการคำนวณเป็นσ = Std (C (T) - C (T)) t = T - 311, T - 310, . . ตันเมื่อเรามีการคาดการณ์จุด C (T) สำหรับข้อมูลการทดสอบและค่าเบี่ยงเบนมาตรฐานσเราจะใช้การแจกแจงสะสมผกผัน

ผลลัพธ์ (ไทย) 3:

โครงข่ายประสาทเทียมสร้างจุดคาดการณ์ . จะได้รับการคาดการณ์ความน่าจะเป็นใน quantiles , ส่วนเบี่ยงเบนมาตรฐานในข้อผิดพลาดจากชุดฝึกคำนวณเป็นσ = STD ( C ˆ ( T ) − C ( t ) T = T T −− 311 , 310 , . . . . . . . . . เมื่อเราได้คาดการณ์ˆจุด C ( T ) สำหรับการทดสอบข้อมูลและσส่วนเบี่ยงเบนมาตรฐานที่เราใช้ การแจกแจงสะสมผกผัน