Tbe empirical results discussed in

Tbe empirical results discussed in tbis article show that frequently a smaller quantity of training data will produce a better-performing backpropagation neural network model of a financial time series. Other problematic issues related to tbe development of the best possible neural network model—such as selection of input variables or selection of the neural network training algorithm and design of the neural network architecture—are not discussed. The prudent financial time series neural network developer will realize that these other factors will affect the neural network model's performance and should utilize existing guidelines [10, 25, 27, 32, 39] to solve these other issues.

ผลลัพธ์ (ไทย) 1:

ผลประจักษ์ Tbe ที่กล่าวถึงในบทความ tbis แสดงว่า บ่อยปริมาณขนาดเล็กของข้อมูลการฝึกอบรมจะทำแบบจำลองโครงข่ายประสาท backpropagation ดีประสิทธิภาพของอนุกรมเวลาทางการเงิน ประเด็นปัญหาอื่น ๆ ที่เกี่ยวข้องกับพัฒนารูปแบบเครือข่ายประสาทสุดสุด tbe — เช่นป้อนข้อมูลตัวแปรหรือตัวเลือกขั้นตอนวิธีการฝึกอบรมเครือข่ายประสาทและการออกแบบสถาปัตยกรรมโครงข่ายประสาทซึ่งจะกล่าวถึง เวลาทางการเงินระมัดระวังชุดสำหรับนักพัฒนาเครือข่ายประสาทจะตระหนักดีว่าปัจจัยเหล่านี้จะมีผลต่อประสิทธิภาพการทำงานของแบบจำลองโครงข่ายประสาท และควรใช้แนวทางที่มีอยู่ [10, 25, 27, 32, 39] แก้ปัญหาเหล่านี้

ผลลัพธ์ (ไทย) 2:

TBE ผลเชิงประจักษ์กล่าวถึงในบทความแสดง TBIs ที่มักมีขนาดเล็กปริมาณของข้อมูลการฝึกอบรมจะผลิต backpropagation มีประสิทธิภาพดีกว่ารูปแบบเครือข่ายประสาทของอนุกรมเวลาทางการเงิน ประเด็นปัญหาอื่น ๆ ที่เกี่ยวข้องกับการพัฒนาของ TBE ที่ดีที่สุดเครือข่ายประสาทแบบเช่นการเลือกของตัวแปรหรือการเลือกของขั้นตอนวิธีการฝึกอบรมเครือข่ายประสาทและการออกแบบของเครือข่ายประสาทสถาปัตยกรรมจะไม่กล่าวถึง เวลาที่ทางการเงินที่ระมัดระวังชุดพัฒนาเครือข่ายประสาทจะรู้ว่าปัจจัยเหล่านี้จะส่งผลกระทบอื่น ๆ ประสิทธิภาพการทำงานแบบเครือข่ายประสาทและควรใช้แนวทางที่มีอยู่ [10, 25, 27, 32, 39] ในการแก้ปัญหาอื่น ๆ เหล่านี้

ผลลัพธ์ (ไทย) 3:

ทีบีเชิงประจักษ์ผลที่กล่าวถึงในบทความแสดง tbis บ่อยปริมาณขนาดเล็กของข้อมูลการฝึกอบรมจะผลิตขึ้นแสดงข่ายงานประสาทแบบเวลาทางการเงินชุดประเด็นปัญหาอื่น ๆที่เกี่ยวข้องกับทีบีการพัฒนาโครงข่ายประสาทเทียมแบบที่ดีที่สุดที่เป็นไปได้ เช่น การเลือกตัวแปรนำเข้าหรือการเลือกของเครือข่ายประสาทขั้นตอนวิธีการและการออกแบบสถาปัตยกรรมของโครงข่ายประสาทเทียม จะไม่กล่าวถึงระมัดระวังเวลาทางการเงินชุดเครือข่ายประสาท ผู้พัฒนาจะทราบว่า ปัจจัยอื่น ๆเหล่านี้จะส่งผลกระทบต่อการทำงานของแบบจำลองโครงข่ายประสาทเทียม และควรใช้แนวทางเดิม [ 10 , 25 , 27 , 32 , 39 ] เพื่อแก้ปัญหาเหล่านี้