Also, in Table 4 was given two perf

Also, in Table 4 was given two performance indices of
stepwise multiple range regression models and ANN model
(prediction accuracy and coefficient of determination).
From Table 4 can be inferred that the stepwise regression
model with additional input variables approximately represented
an increase in accuracy at the step of 1 to 2 while after
step of 3 its accuracy were approximately unchanged. These
observations can be explained as follows: with increasing
the number of independent variables influenced on tractor
fuel consumption, the ability of stepwise multiple ranges
model in interpretation of the complicated relationships
among influencing variables limited and this model is not
capable to solve the multifaceted relations between given
variables while the neural network model is capable to learn
the complex relationships among variables very well and
with increasing in input variables its accuracy improved.

ผลลัพธ์ (ไทย) 1:

ยัง ในตาราง 4 ให้สองดัชนีประสิทธิภาพของstepwise รุ่นช่วงถดถอยและแอนหลายรุ่น(ความถูกต้องของการคาดเดาและสัมประสิทธิ์ของการกำหนด)จากตาราง 4 สามารถสรุปที่ถดถอย stepwiseแบบจำลอง มีตัวแปรป้อนข้อมูลเพิ่มเติมที่แสดงประมาณการเพิ่มความถูกต้องในขั้นตอนของสัก 1-2 หลังขั้นตอนที่ 3 ความถูกต้องของมีประมาณไม่ เหล่านี้สังเกตที่สามารถอธิบายได้ดังนี้: มีการเพิ่มจำนวนตัวแปรอิสระที่มีอิทธิพลต่อบนรถแทรกเตอร์ความสามารถของ stepwise ปริมาณการใช้เชื้อเพลิงหลายช่วงรูปแบบในการตีความความสัมพันธ์ซับซ้อนผู้ที่มีอิทธิพลต่อตัวแปรจำกัด และไม่มีรุ่นนี้ความสามารถในการแก้ความสัมพันธ์แผนระหว่างรับตัวแปรในขณะที่แบบจำลองโครงข่ายประสาทมีความสามารถในการเรียนความสัมพันธ์ที่ซับซ้อนระหว่างตัวแปรที่ดีมาก และด้วยการเพิ่มตัวแปรอินพุตของความถูกต้องดีขึ้น

ผลลัพธ์ (ไทย) 3:

นอกจากนี้ ตารางที่ 4 ที่ได้รับสองประสิทธิภาพดัชนี
= ช่วงถดถอยและแบบจำลองหลายแบบแอน
( ความแม่นยำการทำนายค่าสัมประสิทธิ์การตัดสินใจ ) .
จากตารางที่ 4 สามารถจะบอกได้ว่าสมการแบบจำลองที่มีตัวแปรเพิ่มเติม =

ประมาณแสดงเพิ่มขึ้นในความถูกต้องในขั้นตอนที่ 1 กับ 2 ในขณะที่หลังจาก
ขั้นตอนที่ 3 ความถูกต้องอยู่ไม่เปลี่ยนแปลงข้อสังเกตเหล่านี้ สามารถอธิบายได้ดังนี้

เพิ่มจำนวนตัวแปรอิสระที่มีอิทธิพลต่อการบริโภคเชื้อเพลิงรถแทรกเตอร์
, ความสามารถของแบบจำลองหลายช่วง
= ในการแปลความหมายของความสัมพันธ์ที่ซับซ้อนระหว่างตัวแปรและการจำกัด

รุ่นนี้ไม่สามารถแก้ปัญหาความสัมพันธ์ multifaceted ระหว่างให้
ตัวแปรในขณะที่แบบจำลองโครงข่ายประสาทเทียมสามารถเรียนรู้
ความสัมพันธ์ที่ซับซ้อนระหว่างตัวแปรมาก
เพิ่มในตัวแปรนำเข้าความถูกต้องดีขึ้น