Large datasets also lend themselves

Large datasets also lend themselves to highly computationally intensive methods. While neural
networks have been used in forecasting for more than a decade now, there are many outstanding issues associated with their use and implementation, including when they are likely to outperform other methods. Other methods involving heavy computation (e.g., bagging and boosting) are even less understood in the forecasting context. With the availability of very large datasets and high powered computers, we expect this to be an important area of research in the coming years

ผลลัพธ์ (ไทย) 1:

Datasets ขนาดใหญ่ยังยืมเองสูง computationally เข้มข้นวิธีการ ในขณะที่ประสาทการใช้เครือข่ายในการคาดการณ์สำหรับกว่าทศวรรษที่ผ่านมาตอนนี้ มีปัญหาค้างชำระหลายที่เกี่ยวข้องกับการใช้และการใช้งาน รวมไปถึงพวกเขาจะมีประสิทธิภาพสูงกว่าวิธีอื่น ๆ ต่าง ๆ ที่เกี่ยวข้องกับการคำนวณหนัก (เช่น เย็บถุงและส่งเสริม) ได้แม้แต่น้อยเข้าใจในบริบทการคาดการณ์ ด้วยความพร้อมของ datasets ขนาดใหญ่มากและคอมพิวเตอร์สูงขับเคลื่อน เราคาดว่าเป็น พื้นที่สำคัญของการวิจัยในปีที่ผ่านมา

ผลลัพธ์ (ไทย) 2:

ชุดข้อมูลขนาดใหญ่ยังยืมตัวกับวิธีการอย่างเข้มข้นคอมพิวเตอร์สูง ในขณะที่ระบบประสาทเครือข่ายมีการใช้ในการคาดการณ์มานานกว่าทศวรรษที่ผ่านมาตอนนี้มีปัญหาที่โดดเด่นมากมายที่เกี่ยวข้องกับการใช้งานและการดำเนินงานรวมถึงเมื่อพวกเขามีแนวโน้มที่จะมีประสิทธิภาพสูงกว่าวิธีการอื่น ๆ
วิธีการอื่น ๆ ที่เกี่ยวข้องกับการคำนวณหนัก (เช่นถุงและเพิ่ม) มีความเข้าใจแม้แต่น้อยในบริบทการพยากรณ์ ด้วยความพร้อมของชุดข้อมูลขนาดใหญ่มากและคอมพิวเตอร์พลังงานสูงที่เราคาดหวังนี้จะเป็นพื้นที่สำคัญของการวิจัยในปีที่ผ่านมา

ผลลัพธ์ (ไทย) 3:

ชุดข้อมูลที่มีขนาดใหญ่ยังยืมตัวให้สูง computationally วิธีเข้มข้น ในขณะที่โครงข่าย
ถูกใช้ในการพยากรณ์สำหรับกว่าทศวรรษในขณะนี้ มีหลายปัญหาที่โดดเด่นที่เกี่ยวข้องกับการใช้และการดำเนินงาน รวมถึงเมื่อพวกเขามีแนวโน้มที่จะมีประสิทธิภาพสูงกว่าวิธีอื่น วิธีการอื่น ๆที่เกี่ยวข้องกับการคำนวณหนัก ( เช่นการจัดการและการส่งเสริม ) แม้แต่น้อยในการเข้าใจบริบท มีความพร้อมของข้อมูลที่มีขนาดใหญ่มาก และใช้พลังงานสูง เราคาดหวังนี้เป็นพื้นที่สำคัญของการวิจัยในปีที่ผ่านมา