|
关注：1
2013-05-23 12:21
求翻译：The reason is that an ANN’s major drawback, namely overfitting (Ling, 1995; Schittenkopf et al., 1997; Nakashima et al., 2001), might work positively for training the sub-DFCI. More precisely, it is found that the over fitting tendency of ANNs could be effective for concentrating on a very brief and abnormal segment of是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
The reason is that an ANN’s major drawback, namely overfitting (Ling, 1995; Schittenkopf et al., 1997; Nakashima et al., 2001), might work positively for training the sub-DFCI. More precisely, it is found that the over fitting tendency of ANNs could be effective for concentrating on a very brief and abnormal segment of
问题补充： |
|
2013-05-23 12:21:38
其原因是，一个安安的主要缺点，即过度拟合（玲，1995;。schittenkopf等，1997;。中岛等人，2001），可能工作积极训练子DFCI。更确切地说，它是发现，人工神经网络的过拟合的趋势可能是有效的对数据的一个非常简短的和不正常的部分集中（即最多（FJ）通常是一个罕见的，不正常的时期），以及产生一个保守的EWS（即过度拟合了防止次dfcij频繁发出警告）。采用了人工神经网络的另一个优势是，它的过拟合的趋势可能会在恢复从看似非平稳金融时间序列数据（Kim等al.2004b）的规则是有用的。
|
|
2013-05-23 12:23:18
原因是ANN的少校缺点，即overfitting (陵， 1995年;Schittenkopf等， 1997年;Nakashima等， 2001)，也许为训练子DFCI肯定地运作。精确地，发现ANNs结束贴合倾向可能是有效的为集中一非常简要，并且数据的反常段(即(fj)通常是罕见和反常期间)以及生产保守的EWS (即在配件上升防止子DFCIj频繁发出警告)。
|
|
2013-05-23 12:24:58
原因是ANN的主要缺点，即overfitting的 (陵1995年; Schittenkopf等， 1997年; Nakashima等， 2001年)，也许为训练次级DFCI正面地运作。 更加精确地，它被发现ANNs结束贴合倾向可能是有效的为集中数据的非常简要和反常段 (即。 (fj) 通常是一个罕见和反常期间) 并且生产保守的EWS (即。 上升的结束配件防止次级DFCIj频繁发布警告)。 使用ANN的另一好处是它的结束贴合倾向也许是有用的在恢复从表面上非固定式财政时间数列数据金和 (al.2004b的规则)。
|
|
2013-05-23 12:26:38
原因是人工神经网络的主要缺点，即 overfitting （凌，1995 年 ；Schittenkopf et al.，1997 年 ；中岛美嘉 et al，2001年)，可能会为培训 sub DFCI 积极工作。更确切地说，它是发现，以上的人工神经网络拟合趋势能有效集中很简短，异常 （即 UP(fj) 是通常一个罕见和异常的时期） 的数据段，以及生产保守 EWS (即在管接头，最多可防止 sub DFCIj 经常发出警告)。雇用人工神经网络的另一个优势是它的结束拟合趋势可能有助于从看似非平稳金融时间序列数据中恢复法治 (Kim et al.2004b)。
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
