Bücher von Araf Akram

Il est très difficile de prévoir quoi que ce soit, en particulier si la relation entre les entrées et les résultats n'est pas linéaire, ce qui est le cas des réseaux neuronaux artificiels. La prévision des données boursières à l'aide d'une évaluation habituelle des séries temporelles s'est avérée complexe. En outre, un réseau neuronal a le don d'extraire des informations utiles d'importantes collections de données, ce qui est souvent nécessaire pour obtenir une description satisfaisante de la série chronologique financière.

Predecir es muy difícil, sobre todo si la relación entre entradas y resultados tiene características no lineales, y las redes neuronales artificiales son una de ellas. La previsión de datos bursátiles con una evaluación habitual de series temporales ha demostrado ser intrincada. Debido a que no hay postulación primaria acerca de un modelo matemático adecuado debe hacerse antes de la predicción, además, una red neuronal tiene la habilidad para extraer información útil de importantes colecciones de datos, que con frecuencia es necesaria para una descripción gratificante de la serie de tiempo financiero.

Vorhersagen sind sehr schwierig, vor allem, wenn die Beziehung zwischen Eingaben und Ergebnissen nichtlineare Merkmale aufweist, und künstliche neuronale Netze gehören dazu. Die Vorhersage von Aktiendaten mit einer herkömmlichen Zeitreihenauswertung hat sich als kompliziert erwiesen. Da vor der Vorhersage nicht primär ein geeignetes mathematisches Modell postuliert werden muss, verfügt ein neuronales Netz über die Fähigkeit, aus signifikanten Datensammlungen nützliche Informationen zu extrahieren, die häufig für eine befriedigende Beschreibung der finanziellen Zeitreihen notwendig sind.

É muito difícil fazer previsões, sobretudo quando a relação entre os dados e os resultados tem características não lineares e as redes neuronais artificiais são uma delas. A previsão de dados sobre acções com uma avaliação habitual de séries cronológicas revelou-se complexa. Além disso, uma rede neural tem a capacidade de extrair informações úteis de colecções significativas de dados, o que frequentemente é necessário para uma descrição gratificante das séries cronológicas financeiras.

Prognozirowanie ochen' slozhno dlq chego by to ni bylo, osobenno esli zawisimost' mezhdu whodnymi dannymi i rezul'tatami imeet nelinejnye harakteristiki, i iskusstwennye nejronnye seti - odna iz nih. Prognozirowanie fondowyh dannyh s pomosch'ü obychnoj ocenki wremennyh rqdow okazalos' slozhnoj zadachej. Poskol'ku pered prognozirowaniem ne nuzhno delat' nikakih perwichnyh predpolozhenij o podhodqschej matematicheskoj modeli, krome togo, nejronnaq set' obladaet sposobnost'ü izwlekat' poleznuü informaciü iz znachitel'nyh massiwow dannyh, chto chasto bywaet neobhodimo dlq udowletworitel'nogo opisaniq finansowogo wremennogo rqda.

Fare previsioni è molto difficile, soprattutto se la relazione tra input e risultati ha caratteristiche non lineari e le reti neurali artificiali sono una di queste. Prevedere i dati azionari con una consueta valutazione delle serie temporali si è rivelato complicato. Poiché non è necessario formulare una postulazione primaria su un modello matematico adeguato prima della previsione, una rete neurale ha la capacità di estrarre informazioni utili da raccolte significative di dati, che spesso sono necessarie per una descrizione gratificante delle serie temporali finanziarie.