RELATED WORKA study conducted by [2

RELATED WORK
A study conducted by [2] on employing neural network and
naive Bayesian classifier in data mining for car evaluation to
investigate the performance of Bayesian Neural Network and
Naive Bayesian classification methods using the car
evaluation dataset. Findings from the study proved the
researchers assumption that Bayesian Neural Network (BNN)
is slower, ambiguous, and more difficult to manipulate than
naive Bayesian (NB). However, BNN shows an amazing
percentage of accuracy on the dataset.
Artificial Neural Networks (ANN) an a classification
algorithm that is widely used in data mining was used in a
study conducted by [3] to compare the performance of
Decision Tree and ANN to develop prediction models; and the
comparative study of Bayesian and ANN classifiers on motion
picture [4]. Also, [5] conducted a study on evaluation of an
on-vehicle adaptive tourist service. In the study they described
the methodology and results obtained in evaluation of a
system that provides personalised tourist information onboard
cars. With a simulator and using layered sampling strategy
and statistics metrics to compare the system suggestions to the
user’s answers. Also, they analysed several dimensions of
adaptation. The car dataset used for this study as obtained
from the University of California Irvine (UCI) dataset
repository was used by [6] on modelling performance of
different classification methods.

ผลลัพธ์ (ไทย) 2:

ทำงานที่เกี่ยวข้องกับการศึกษาดำเนินการโดย [2] ในการใช้เครือข่ายประสาทและลักษณนามBayesian ไร้เดียงสาในการทำเหมืองข้อมูลสำหรับการประเมินผลรถที่จะตรวจสอบประสิทธิภาพการทำงานของเครือข่ายประสาทเทียมแบบเบย์และวิธีการจำแนกแบบเบย์หน่อมแน้มใช้รถชุดข้อมูลการประเมินผล ผลการวิจัยจากการศึกษาได้รับการพิสูจน์สมมติฐานที่นักวิจัยคชกรรมประสาทเครือข่าย (บีเอ็นเอ็น) จะช้าคลุมเครือและยากมากที่จะจัดการกับกว่าไร้เดียงสาแบบเบย์ (NB) อย่างไรก็ตาม BNN แสดงที่น่าตื่นตาตื่นใจร้อยละของความถูกต้องในชุดข้อมูล. ประดิษฐ์โครงข่ายประสาท (ANN) ความการจัดหมวดหมู่ขั้นตอนวิธีที่ใช้กันอย่างแพร่หลายในการทำเหมืองข้อมูลที่ถูกนำมาใช้ในการศึกษาโดย[3] เพื่อเปรียบเทียบประสิทธิภาพการทำงานของต้นไม้ตัดสินใจและการANN ไป พัฒนารูปแบบการทำนาย; และศึกษาเปรียบเทียบแบบเบย์และแอนลักษณนามในการเคลื่อนไหวของภาพ[4] นอกจากนี้ [5] ดำเนินการศึกษาการประเมินอย่างเป็นปรับตัวบนรถบริการนักท่องเที่ยว ในการศึกษาที่พวกเขาอธิบายวิธีการและผลที่ได้รับในการประเมินผลของระบบที่ให้ข้อมูลการท่องเที่ยวส่วนบุคคลonboard รถยนต์ ด้วยการจำลองและการใช้กลยุทธ์การสุ่มตัวอย่างชั้นและตัวชี้วัดสถิติเพื่อเปรียบเทียบข้อเสนอแนะไปยังระบบคำตอบของผู้ใช้ นอกจากนี้พวกเขาวิเคราะห์หลายมิติของการปรับตัว ชุดข้อมูลรถที่ใช้ในการศึกษาเป็นที่ได้รับนี้จากมหาวิทยาลัยแคลิฟอร์เนียเออร์ไวน์ (UCI) ชุดข้อมูลที่เก็บโดยใช้[6] ผลการดำเนินงานการสร้างแบบจำลองของวิธีการจัดหมวดหมู่ที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

งานที่เกี่ยวข้อง : การศึกษาโดย [ 2 ] ในการใช้โครงข่ายประสาทเทียมแบบเบส์และ
ไร้เดียงสาในการทำเหมืองข้อมูลเพื่อการประเมินผลรถยนต์

ศึกษาสมรรถนะของโครงข่ายประสาทเทียมแบบเบส์และ
การแบ่งประเภทเบย์อย่างง่ายวิธีการใช้รถ
ประเมินผลข้อมูล . ผลการวิจัยจากการศึกษาพิสูจน์สมมติฐานว่าโครงข่ายประสาทเทียมแบบนักวิจัย

( BNN ) คือช้า , คลุมเครือและยากมากที่จะจัดการกับกว่า
ไร้เดียงสา Bayesian ( NB ) อย่างไรก็ตาม บีเอ็นเอ็นการแสดงที่น่าตื่นตาตื่นใจ
ร้อยละของความถูกต้องในข้อมูล .
โครงข่ายประสาทเทียม ( ANN ) เป็นการจัดประเภท
ขั้นตอนวิธีที่ใช้กันอย่างแพร่หลายในการทำเหมืองข้อมูลที่ใช้ในการศึกษาโดย
[ 3 ] เพื่อเปรียบเทียบประสิทธิภาพของ
ต้นไม้ตัดสินใจและแอนที่จะพัฒนาแบบจำลองทำนาย
; และการศึกษาเปรียบเทียบคำลักษณนามในการเคลื่อนไหวแบบเบส์และแอน
รูป [ 4 ] ยัง , [ 5 ] ได้ทำการศึกษาการประเมิน
บริการท่องเที่ยวรถยนต์ปรับตัว ในการศึกษาที่พวกเขาอธิบาย
วิธีการและผลลัพธ์ที่ได้ในการประเมินระบบที่ให้จอดบน

ข้อมูลรถยนต์ กับจำลอง และการใช้กลยุทธ์
3 ชั้นสถิติและตัวชี้วัดเพื่อเปรียบเทียบข้อเสนอแนะระบบตอบ
ของผู้ใช้ นอกจากนี้พวกเขายังวิเคราะห์หลายมิติของ
การปรับตัว รถที่ใช้ในการศึกษานี้เป็นข้อมูลที่ได้รับจากมหาวิทยาลัยเออร์ไวน์แคลิฟอร์เนีย

( UCI ) เก็บข้อมูลที่ถูกใช้โดย [ 6 ] ในการสร้างแบบจำลองสมรรถนะ
วิธีการจำแนกที่แตกต่างกัน