การศึกษาในครั้งนี้ใช้โครงข่ายประสาม

การศึกษาในครั้งนี้ใช้โครงข่ายประสามเทียมที่มีลักษณะเป็นโครงข่ายแบบชั้นเดียว และมีฟังก์ชันการแปลงคือซิกมอยด์ฟังชันก์ โดยตัวแบบของโครงข่ายของแต่ละสกุลเงินจะประกอบไปด้วย ข้อมูลนำเข้า ค่าอัตราการเรียนรู้ จำนวนชั้นซ่อน และจำวนรอบการเรียนรู้ ซึ่งตัวแบบของแต่ละสกุลเงินจะมีลักษณะแตกต่างกัน โดยหาตัวแบบที่เหมาะสมจากค่า RMSE ที่น้อยที่สุด และนำตัวแบบที่ได้ไปพยากรณ์กับข้อมูลจริง และนำค่า RMSE เพื่อใช้ในการเปรียบเทียบ

ผลลัพธ์ (อังกฤษ) 1:

A study on the use of three network tv that has a single-layer network infrastructure, and conversion functions are six moi listening to chan. By a network of each currency consists of the Data import value the learning rate. The number of hidden layers and have a loop around the learning of each currency has a different style. By finding the appropriate model from the RMSE values and brought a real data and to forecast RMSE values to use in the comparison.

ผลลัพธ์ (อังกฤษ) 2:

In this study, the three artificial networks with a single-layer network. The conversion function is a sigmoid function. The model of the network of each currency consists of input data, the rate of learning. A hidden And remember loop learning. The model of each currency will look different. By finding the right fit from the smallest RMSE. And the model was to predict the actual data and for use in, RMSE comparison.

ผลลัพธ์ (อังกฤษ) 3:

This study used a kind of artificial network according to numerical model layer. And there is a conversion function is a sigmoid function. The model of network of each currency consists of input data, the learning rateAnd remember around the learning. The models of each currency will look different. By finding an appropriate from the RMSE was minimal, and the model to predict the actual data, and the RMSE for use in comparison.