ANN is a promising technique to sol

ANN is a promising technique to solve optimization problems because it can emulate the
operations of the brain and uses parallel processing to save computational time [17]. The method
dates back to six decades. McCulloch and Pyne [18,19] utilized logical calculus to emulate
nervous activities. Since then, various types of analogue neural networks have been proposed for
computation. In particular, Hopfield and Tank [1] made a momentous contribution for neural
computation by solving a traveling salesman problem. Many investigators followed their work.
Although Shirazi and Yih [20] present some weakness of the approach, many followers make
further improvements and verifications (see [21]). Since then ANN approaches have been widely
accepted as a competitive approach to traditional optimization techniques.

ผลลัพธ์ (ไทย) 1:

แอนเป็นเทคนิคสัญญาแก้ปัญหาเพิ่มประสิทธิภาพเนื่องจากมันสามารถเลียนแบบการการดำเนินการประมวลผลแบบขนานสมองและใช้เพื่อประหยัดเวลาคำนวณ [17] วิธีการย้อนกลับไปหกทศวรรษ McCulloch และไพน์ [18,19] ใช้แคลคูลัสตรรกะการเลียนแบบกิจกรรมประสาท ตั้งแต่นั้นมา ชนิดต่าง ๆ ของเครือข่ายประสาทที่แบบอะนาล็อกได้รับการเสนอชื่อคำนวณ โดยเฉพาะอย่างยิ่ง Hopfield และถัง [1] ทำผลงานสำคัญยิ่งสำหรับระบบประสาทการคำนวณ โดยการแก้ปัญหาประกอบการเดินทาง นักวิจัยจำนวนมากตามงานถึงแม้ว่า Shirazi และเล่า Yih [20] ปัจจุบันบางจุดอ่อนของวิธีการ ผู้ติดตามหลายทำการปรับปรุงและดำเนินการตรวจสอบ (ดู [21]) หลังจากนั้น แอนวิธีได้อย่างกว้างขวางยอมรับเป็นวิธีการแข่งขันเพื่อเพิ่มประสิทธิภาพแบบเทคนิค

ผลลัพธ์ (ไทย) 2:

ANN เป็นเทคนิคที่มีแนวโน้มในการแก้ปัญหาการเพิ่มประสิทธิภาพเพราะมันสามารถเลียนแบบ
การดำเนินงานของสมองและการใช้งานประมวลผลแบบขนานเพื่อประหยัดเวลาในการคำนวณ [17] วิธีการที่
วันที่กลับไปหกสิบปี McCulloch และไพน์ [18,19] ใช้แคลคูลัสตรรกะที่จะเลียนแบบ
กิจกรรมประสาท ตั้งแต่นั้นประเภทต่างๆของเครือข่ายประสาทอะนาล็อกได้รับการเสนอสำหรับ
การคำนวณ โดยเฉพาะอย่างยิ่ง Hopfield และรถถัง [1] ทำผลงานที่สำคัญยิ่งสำหรับระบบประสาท
การคำนวณโดยการแก้ปัญหาพนักงานขายที่เดินทาง นักวิจัยหลายคนใช้งานของพวกเขา.
แม้ว่า Shirazi และ Yih [20] นำเสนอจุดอ่อนของวิธีการที่บางคนติดตามจำนวนมากทำให้
การปรับปรุงต่อไปและการตรวจสอบ (ดู [21]) ตั้งแต่นั้นวิธี ANN ได้รับการยอมรับอย่างกว้างขวาง
ได้รับการยอมรับว่าเป็นวิธีการที่สามารถแข่งขันกับเทคนิคการเพิ่มประสิทธิภาพแบบดั้งเดิม

ผลลัพธ์ (ไทย) 3:

แอนเป็นเทคนิคที่มีแนวโน้มการแก้ปัญหาการเพิ่มประสิทธิภาพเพราะสามารถเลียนแบบการดำเนินงาน ของ สมอง และการใช้คอมพิวเตอร์เพื่อบันทึกเวลาการประมวลผลแบบขนาน [ 17 ] วิธีวันที่กลับไปหกทศวรรษที่ผ่านมา ไหล่ 18,19 ไพน์ [ ] ใช้ตรรกะแคลคูลัสเลียนกิจกรรมประสาท ตั้งแต่นั้นมา , ประเภทต่างๆของอนาล็อกเครือข่ายประสาทได้รับการเสนอสำหรับผลที่ได้จากการคำนวณ โดยเฉพาะเส้นและถัง [ 1 ] ทำให้ผลงานที่สำคัญสำหรับประสาทการคำนวณโดยการแก้ปัญหาพนักงานขายเดินทาง . นักวิจัยหลายคนติดตามการทำงานของพวกเขาแม้ว่าชีราซซี่ยี [ 20 ] และปัจจุบันบางจุดอ่อนของวิธีการติดตามหลายทําการปรับปรุงเพิ่มเติมและโทรศัพท์มือถือ ( ดู [ 21 ] ) วิธีการได้รับอย่างกว้างขวางตั้งแต่นั้นมา แอนได้รับการยอมรับว่าเป็นวิธีการเพิ่มประสิทธิภาพการแข่งขันเทคนิคแบบดั้งเดิม