This paper presents a specific stru

This paper presents a specific structure of neural network as the functional link artificial neural network (FLANN). This technique has been employed for classification task of data mining. In fact, there are a few studies that used this tool for solving classification problems. In this present research, we propose a hybrid FLANN (HFLANN) model, where the optimization process is performed using 3 known population based techniques such as genetic algorithms, particle swarm and differential evolution. This model will be empirically compared to FLANN based back-propagation algorithm and to others classifiers as decision tree, multilayer perceptron based back-propagation algorithm, radical basic function, support vector machine, and K-nearest Neighbor. Our results proved that the proposed model outperforms the other single model.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้แสดงเฉพาะโครงสร้างของโครงข่ายประสาทเป็นการทำงานเชื่อมโยงโครงข่ายประสาทเทียม (FLANN) เทคนิคนี้ได้รับการว่าจ้างในงานประเภทของการทำเหมืองข้อมูล ในความเป็นจริง มีบางการศึกษาที่ใช้เครื่องมือนี้ในการแก้ปัญหาการจัดประเภท ในงานวิจัยนี้นำเสนอ เราเสนอผสม FLANN (HFLANN) รูปแบบ การเพิ่มประสิทธิภาพการประมวลผลที่ทำใช้เทคนิคระดับ 3 ประชากรรู้จักจากอัลกอริทึมทางพันธุกรรม ฝูงอนุภาค และวิวัฒนาการที่แตกต่าง รุ่นนี้จะเป็น empirically เมื่อเทียบกับ FLANN โดยใช้อัลกอริทึมการเผยแพร่หลัง และอื่น คำนามภาษาเป็นต้นไม้การตัดสินใจ เพอร์เซปตรอนหลายชั้นตามหลังเผยแพร่อัลกอริทึม ฟังก์ชันพื้นฐานรุนแรง สนับสนุนเครื่องแบบเวกเตอร์ และ K ใกล้บ้าน ผลของเราพิสูจน์ว่า แบบจำลองนำเสนอ outperforms แบบจำลองเดียว

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอโครงสร้างเฉพาะของเครือข่ายประสาทเป็นการเชื่อมโยงการทำงานของเครือข่ายประสาทเทียม (Flann) เทคนิคนี้ได้รับการว่าจ้างงานจัดหมวดหมู่ของการทำเหมืองข้อมูล ในความเป็นจริงมีการศึกษาน้อยที่ใช้เครื่องมือนี้ในการแก้ปัญหาการจัดหมวดหมู่ ในงานวิจัยในปัจจุบันนี้เรานำเสนอไฮบริด Flann (HFLANN) รุ่นที่การเพิ่มประสิทธิภาพจะดำเนินการโดยใช้ 3 ประชากรที่รู้จักกันตามเทคนิคเช่นขั้นตอนวิธีทางพันธุกรรมฝูงอนุภาคและวิวัฒนาการที่แตกต่างกัน รุ่นนี้จะได้รับการเทียบสังเกตุ Flann ตามขั้นตอนวิธีการขยายพันธุ์กลับและจําแนกคนอื่น ๆ เหมือนต้นไม้ตัดสินใจหลาย Perceptron ตามขั้นตอนวิธีการขยายพันธุ์กลับฟังก์ชั่นพื้นฐานที่รุนแรง, การสนับสนุนเครื่องเวกเตอร์และเพื่อนบ้าน K-ที่ใกล้ที่สุด ผลของเราได้รับการพิสูจน์ว่ามีประสิทธิภาพดีกว่าการนำเสนอรูปแบบรูปแบบอื่น ๆ เดียว

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอโครงสร้างที่เฉพาะเจาะจงของโครงข่ายประสาทเทียมเป็นการเชื่อมโยงการทำงานโครงข่ายประสาทเทียม ( flann ) เทคนิคนี้มีการใช้ระบบงานของการทำเหมืองข้อมูล ในความเป็นจริงมีบางการศึกษาที่ใช้เครื่องมือนี้สำหรับการแก้ปัญหาการจัดประเภท ในงานวิจัยนี้ได้นำเสนอ flann ไฮบริด ( hflann ) รุ่นที่กระบวนการเพิ่มประสิทธิภาพจะดำเนินการโดยใช้ 3 รู้จักประชากรที่ใช้เทคนิค เช่น ขั้นตอนวิธีเชิงพันธุกรรม , ฝูงอนุภาคและวิวัฒนาการแตกต่างกัน รุ่นนี้จะใช้เมื่อเทียบกับ flann ตามขั้นตอนวิธี back-propagation และผู้อื่น คือ เป็น ต้นไม้ การตัดสินใจแบบธรรมดาหลาย back-propagation ตามรากพื้นฐานฟังก์ชันเครื่องเวกเตอร์สนับสนุนละและเพื่อนบ้าน ผลลัพธ์ของเราได้พิสูจน์ว่ารูปแบบมีประสิทธิภาพดีกว่าแบบเดี่ยวๆ