Thus many variants of the LDA proce

Thus many variants of the LDA procedure are suitable for network
construction. Empirical comparison of the simplest version based on
pseudoinverse solution for the Hepatitis dataset [12] gives 86.4% accuracy
(10-fold crossvalidation tests) versus 82.1% for randomly initialized
MLP, for the Cleveland Heart disease 84.5% versus 81.3%
and for the Pima Indian Diabetes 77.5% versus 76.4%. For the Wisconsin
breast cancer data LDA accuracy is 96.0%, while MLP after
training achieves slightly better result of 96.7%. In all cases networks
with a single neuron are constructed since these are two-class
problems. We are experimenting now with adding more than one
hyperplane to increase the complexity (and hopefully the accuracy)
of MLP networks.

ผลลัพธ์ (ไทย) 1:

หลายสายพันธุ์ของ lda ซึ่งกระบวนการเหมาะสมสำหรับเครือข่ายก่อสร้าง เปรียบเทียบผลของเวอร์ชันที่ง่ายที่สุดตามโซลูชั่น pseudoinverse สำหรับชุดข้อมูลของโรค [12] ให้ 86.4% ความถูกต้อง(10-fold crossvalidation ทดสอบ) กับ 82.1% สำหรับสุ่มเริ่มต้นMLP สำหรับห้องคลีฟแลนด์โรค 84.5% เมื่อเทียบกับ 81.3%และโรคเบาหวานอินเดีย Pima 77.5% เมื่อเทียบกับ 76.4% สำหรับวิสคอนซินข้อมูลมะเร็งเต้านมความแม่นยำ LDA เป็น 96.0% ขณะ MLP หลังการฝึกอบรมได้รับผลลัพธ์ดีขึ้นเล็กน้อย 96.7% ในเครือข่ายของกรณีทั้งหมดกับเซลล์ประสาทตัวหนึ่งถูกสร้างตั้งแต่เหล่านี้เป็นสองชั้นปัญหา เราจะทดลองตอนนี้ มีเพิ่มมากกว่า หนึ่งhyperplane เพิ่มความซับซ้อน (และหวังว่าความถูกต้อง)ของเครือข่าย MLP

ผลลัพธ์ (ไทย) 2:

ดังนั้นหลายสายพันธุ์ของขั้นตอน LDA
เหมาะสำหรับเครือข่ายการก่อสร้าง การเปรียบเทียบเชิงประจักษ์ของรุ่นที่ง่ายขึ้นอยู่กับวิธีการแก้ปัญหา pseudoinverse สำหรับชุดข้อมูลไวรัสตับอักเสบ [12] ให้ความถูกต้อง 86.4% (การทดสอบ crossvalidation 10 เท่า) เมื่อเทียบกับ 82.1% สำหรับเริ่มต้นการสุ่มMLP สำหรับโรคหัวใจคลีฟแลนด์ 84.5% เมื่อเทียบกับ 81.3% และเป็นไฟลนก้น โรคเบาหวานอินเดีย 77.5% เมื่อเทียบกับ 76.4% สำหรับวิสคอนซินข้อมูลที่เป็นมะเร็งเต้านมถูกต้อง LDA เป็น 96.0% ในขณะที่ MLP หลังจากการฝึกอบรมบรรลุผลที่ดีขึ้นเล็กน้อยจาก96.7% ในทุกกรณีที่เครือข่ายที่มีเซลล์ประสาทเดียวจะสร้างตั้งแต่เหล่านี้เป็นสองระดับปัญหา เรากำลังทดลองตอนนี้มีเพิ่มมากกว่าหนึ่งไฮเปอร์เพลนที่จะเพิ่มความซับซ้อน (และหวังว่าความถูกต้อง) ของเครือข่าย MLP

ผลลัพธ์ (ไทย) 3:

ดังนั้นหลายตัวแปรของกระบวนการ lda เหมาะสำหรับสร้างเครือข่าย

การเปรียบเทียบเชิงประจักษ์ของง่ายรุ่นตาม
pseudoinverse โซลูชั่นสำหรับชนิดข้อมูลให้ถูกต้อง [ 12 ] X%
( 10 เท่าแบบ crossvalidation ) เทียบกับร้อยละ 82.1 สำหรับสุ่มเริ่มต้น
MLP สำหรับหัวใจ Cleveland 81.3 %
% เมื่อเทียบกับโรคที่เหมาะสม และเพื่อพิม่าอินเดียโรคเบาหวาน 77.5 % เมื่อเทียบกับ 2 %ในวิสคอนซิน
มะเร็งเต้านม ข้อมูล lda ความถูกต้อง 96.0 % ในขณะที่ MLP หลังจากการฝึกอบรมบรรลุผลเล็กน้อย
กว่า 20 % ในทุกกรณีเครือข่าย
กับเซลล์ประสาทเดียวจะสร้างตั้งแต่เหล่านี้เป็นสองคลาส
ปัญหา เราทดลองแล้ว ด้วยการเพิ่มมากกว่าหนึ่ง
ระนาบเกินเพื่อเพิ่มความซับซ้อน ( และหวังว่าความถูกต้อง )
เครือข่าย MLP .