6.8 APPLICATION OF ARTIFICIAL NEURA

6.8 APPLICATION OF ARTIFICIAL NEURAL NETWORKS
• 2.Regression. A neural network can be trained to predict an output variable whose values are of numeric (,e., real or integer numbers) type.
• If a network fits well in modeling a known sequence of values, it can be used to predict future results.
• An obvious example of the regression task is stock market index predictions.
• Type of ANN obvious for this task include feedforward network (such as MLP with backpropagation leaning)and radial basis functions.

ผลลัพธ์ (ไทย) 1:

6.8 แอพลิเคชันของเครือข่ายประสาทเทียม• 2.Regression เครือข่ายประสาทที่สามารถฝึกฝนการทำนายตัวแปรผลลัพธ์มีค่าเป็นตัวเลข (, e. จำนวนจริงหรือจำนวนเต็ม) ชนิด •ถ้าเครือข่ายเหมาะกับดีในลำดับรู้จักค่า จะสามารถใช้การคาดการณ์ผลลัพธ์ในอนาคตได้ •ตัวอย่างที่ชัดเจนของงานถดถอยเป็นการคาดการณ์ดัชนีตลาดหลักทรัพย์ •ชนิดของแอนชัดในงานนี้รวมเครือข่าย feedforward (เช่น MLP กับ backpropagation พิง) และฟังก์ชันฐานรัศมี

ผลลัพธ์ (ไทย) 2:

6.8 การประยุกต์ใช้โครงข่ายประสาทเทียม
• 2.Regression เครือข่ายประสาทสามารถผ่านการฝึกอบรมในการทำนายตัวแปรเอาท์พุทที่มีค่าเป็นตัวเลข (อี. ตัวเลขจริงหรือจำนวนเต็ม) พิมพ์.
•หากเครือข่ายพอดีในการสร้างแบบจำลองลำดับที่รู้จักกันของค่าก็สามารถนำมาใช้ในการทำนายผลในอนาคต .
•ตัวอย่างที่ชัดเจนของงานการถดถอยคือการคาดการณ์ดัชนีตลาดหุ้น.
•ประเภท ANN ที่เห็นได้ชัดสำหรับงานนี้รวมถึงเครือข่ายคราท (เช่น MLP กับแพร่กระจายย้อนกลับพิง) และฟังก์ชั่นพื้นฐานรัศมี

ผลลัพธ์ (ไทย) 3:

6.8 การใช้โครงข่ายประสาทเทียม
- 2.regression . เครือข่ายประสาทสามารถฝึกเพื่อทำนายผลผลิตตัวแปรที่มีค่าของตัวเลข ( เช่น จริง หรือ จำนวนเต็มตัวเลข ) ประเภท
- ถ้าเครือข่ายพอดีในโมเดลลิ่งรู้จักลำดับของค่านิยม มันสามารถใช้ในการทำนายผลลัพธ์ในอนาคต
- ตัวอย่างที่ชัดเจนของการถดถอยงานคาดการณ์ดัชนีตลาดหลักทรัพย์
- ประเภทของแอนที่ชัดเจนสำหรับงานนี้รวมถึงเครือข่ายไปข้างหน้า ( เช่น MLP กับแบบเอียง ) และฟังก์ชันฐาน
เรเดียล