value 1 gave the best predicting pe

value 1 gave the best predicting performance. Finally, the comparison between these two models indicated that RBFNN yielded a more accurate prediction for both training sets and testing sets. The average MSE, RMSE and correlation coefficient R produced by RBFNN model are 0.0049, 0.0703 and 0.99 in predicting the training sets and 0.0193, 0.1389 and 0.991 for the prediction of testing sets.

ผลลัพธ์ (ไทย) 1:

ค่า 1 ให้ประสิทธิภาพในการทำนายที่ดีสุด ในที่สุด การเปรียบเทียบระหว่างรุ่นสองเหล่านี้ระบุไว้ว่า RBFNN ผลการคาดเดาที่ถูกต้องมากขึ้นสำหรับทั้งชุดการฝึกอบรม และทดสอบชุด MSE เฉลี่ย RMSE และสัมประสิทธิ์สหสัมพันธ์ R ที่ผลิต โดย RBFNN รุ่นมี 0.0049, 0.0703 และ 0.99 ในการทำนายชุดฝึก และ 0.0193, 0.1389 และ 0.991 สำหรับการคาดการณ์ของชุดทดสอบ

ผลลัพธ์ (ไทย) 2:

1 ค่าให้ประสิทธิภาพที่ดีที่สุดการทำนาย สุดท้ายเปรียบเทียบระหว่างทั้งสองรูปแบบชี้ให้เห็นว่า RBFNN ให้ผลการทำนายที่แม่นยำมากขึ้นสำหรับทั้งสองชุดการฝึกอบรมและการทดสอบชุด เฉลี่ย MSE, RMSE และค่าสัมประสิทธิ์สหสัมพันธ์ R ผลิตโดยรูปแบบแล้วแต่เป็น 0.0049, 0.0703 และ 0.99 ในการทำนายชุดการฝึกอบรมและ 0.0193, 0.1389 และ 0.991 สำหรับการคาดการณ์ของชุดทดสอบ

ผลลัพธ์ (ไทย) 3:

1 ทำให้ทำนายผลการปฏิบัติงาน ในที่สุด เปรียบเทียบระหว่างสองรุ่น พบว่า rbfnn ให้ผลการทำนายที่ถูกต้องมากขึ้นทั้งชุดฝึก และทดสอบชุด MSE ค่าเฉลี่ย RMSE และสัมประสิทธิ์สหสัมพันธ์ r ผลิตโดยรูปแบบ rbfnn เป็น 0.0049 0.0703 0.99 ในการทำนาย , และชุดฝึก 0.0193 0.1389 0.991 , และสำหรับการประเมินชุดทดสอบ