stance, Lippmann (1987) provides an

stance, Lippmann (1987) provides an excellent overview of
neural networks for the signal processing community. There


1. INTRODUCTION
Neural networks have recently received a great deal of at­ tention in many fields of study. The excitement stems from the fact that these networks are attempts to model the capa­ bilities of the human brain. People are naturally attracted by attempts to create human-like machines, a Frankenstein ob­ session, if you will. On a practical level the human brain has many features that are desirable in an electronic computer. The human brain has the ability to generalize from abstract ideas, recognize patterns in the presence of noise, quickly recall memories, and withstand localized damage. From a statistical perspective neural networks are interesting be­ cause of their potential use in prediction and classification problems.
Neural networks have been used for a wide variety of applications where statistical methods are traditionally em­ ployed. They have been used in classification problems such as identifying underwater sonar contacts (Gorman and Se-

are also a number of good introductory books on neural networks, with Hertz, Krogh, and Palmer (1991) providing
a good mathematical description, Smith (1993) explaining backpropagation in an applied setting, and Freeman (1994) using examples and code to explain neural networks. There have also been papers relating neural networks and statisti­ cal methods (Buntine and Weigend 1991; Ripley 1992; Sarle 1994; Werbos 1991). One of the best for a general overview is Ripley (1993).

ผลลัพธ์ (ไทย) 1:

ท่าทาง ยลลิพพ์มานน์ (1987) แสดงภาพรวมที่ดีของเครือข่ายประสาทเพื่อชุมชนการประมวลผลสัญญาณ มี 1. บทนำเมื่อเร็ว ๆ นี้เครือข่ายประสาทได้รับอย่างมากของที่ tention ในหลายสาขาวิชา เมืองมาจากความจริงที่ว่า เครือข่ายเหล่านี้จะพยายามรุ่น bilities รองรับของสมองมนุษย์ ท่านมีธรรมชาติดึงดูด โดยความพยายามที่จะสร้างเครื่องเหมือนมนุษย์ แฟรงเกนสไตน์ ob เซ ถ้าคุณจะ ในระดับปฏิบัติสมองของมนุษย์มีคุณสมบัติมากมายที่อยู่ในคอมพิวเตอร์เป็นระบบอิเล็กทรอนิกส์ สมองมนุษย์มีความสามารถในการ generalize จากคิดนามธรรม จดจำรูปในที่ที่มีสัญญาณรบกวน จดจำได้อย่างรวดเร็ว และทนต่อความเสียหายที่แปล จากมุมมองสถิติ เครือข่ายประสาทไว้น่าสนใจเป็นสาเหตุของการใช้ศักยภาพในการคาดเดาและการจัดประเภทปัญหาเครือข่ายประสาทมีการใช้งานหลากหลายที่วิธีการทางสถิติเป็นประเพณียาว ployed ใช้ในการจำแนกปัญหาเช่นการระบุรายชื่อโซนาร์ใต้น้ำ (Gorman และ Se- ยังมีของดีแนะนำหนังสือในเครือข่ายของระบบประสาท Hertz, Krogh และนปาล์มเมอร์ (1991) ให้คำดีคณิตศาสตร์อธิบาย Smith (1993) อธิบาย backpropagation ในการตั้งค่าการใช้ และฟรีแมน (1994) ที่ใช้ตัวอย่างและรหัสอธิบายเครือข่ายประสาท มีเอกสารที่เกี่ยวข้องเครือข่ายประสาทและ statisti cal วิธี (Buntine และ Weigend 1991 ริบลีย์ 1992 Sarle 1994 ทาง Werbos ที่ 1991) ดีสุดสำหรับภาพรวมอย่างใดอย่างหนึ่งคือริบลีย์ (1993)

ผลลัพธ์ (ไทย) 2:

ท่าทางแมนน์ (1987) ให้ภาพรวมที่ดีของ
เครือข่ายประสาทสำหรับชุมชนในการประมวลผลสัญญาณ มี1 บทนำโครงข่ายประสาทเทียมเพิ่งได้รับการจัดการที่ดีของที่ tention ในหลายสาขาวิชา ความตื่นเต้นที่เกิดขึ้นจากความจริงที่ว่าเครือข่ายเหล่านี้พยายามที่จะจำลอง bilities CAPA ของสมองมนุษย์ คนสนใจตามธรรมชาติโดยพยายามที่จะสร้างเครื่องเหมือนมนุษย์เซสชั่น OB Frankenstein ถ้าคุณจะ ในระดับการปฏิบัติสมองของมนุษย์มีคุณสมบัติมากมายที่เป็นที่พึงประสงค์ในคอมพิวเตอร์อิเล็กทรอนิกส์ สมองของมนุษย์มีความสามารถในการพูดคุยจากความคิดนามธรรมรู้รูปแบบในการแสดงตนของเสียงได้อย่างรวดเร็วเรียกคืนความทรงจำและทนต่อความเสียหายที่มีการแปล จากมุมมองทางสถิติเครือข่ายประสาทมีความน่าสนใจเป็นสาเหตุของการใช้ศักยภาพของพวกเขาในการคาดการณ์ปัญหาและการจำแนก. โครงข่ายประสาทเทียมมีการใช้ความหลากหลายของการใช้งานที่วิธีการทางสถิติเป็นประเพณี em ployed พวกเขาได้ถูกนำมาใช้ในการจัดหมวดหมู่ปัญหาเช่นการระบุรายชื่อโซนาร์ใต้น้ำ (กอร์แมนและซีเอ็ดนี้ยังมีจำนวนของหนังสือที่ดีในเบื้องต้นเครือข่ายประสาทกับเฮิรตซ์ Krogh และพาลเมอร์ (1991) การให้คำอธิบายทางคณิตศาสตร์ดีสมิ ธ (1993) อธิบายแพร่กระจายย้อนกลับในการตั้งค่านำไปใช้และฟรีแมน (1994) โดยใช้ตัวอย่างและรหัสที่จะอธิบายเครือข่ายประสาทมีนอกจากนี้ยังได้รับเอกสารที่เกี่ยวข้องกับเครือข่ายประสาทและวิธีการ Cal statisti (Buntine และ Weigend 1991; Ripley 1992 Sarle ปี 1994 Werbos 1991).. หนึ่ง สิ่งที่ดีที่สุดสำหรับภาพรวมทั่วไปคือริปลีย์ (1993)

ผลลัพธ์ (ไทย) 3:

ท่าทาง ลิพพ์มานน์ ( 1987 ) ให้ภาพรวมของยอดเยี่ยมโครงข่ายประสาทเทียมเพื่อประมวลผลสัญญาณ ของชุมชน มี1 . แนะนำโครงข่ายประสาทเทียมที่เพิ่งได้รับมากองที่ tention ในหลายสาขาของการศึกษา ความตื่นเต้นเกิดขึ้นจากความจริงที่ว่าเครือข่ายเหล่านี้มีความพยายามที่จะแบบ Capa อง bilities ของสมองมนุษย์ คนธรรมชาติดึงดูดโดยพยายามที่จะสร้างมนุษย์เหมือนเครื่องจักร , Frankenstein OB องเซสชัน ถ้าคุณจะ ในระดับปฏิบัติ สมองของมนุษย์มีองค์ประกอบมากมายที่พึงปรารถนาในคอมพิวเตอร์อิเล็กทรอนิกส์ สมองของมนุษย์มีความสามารถในการอนุมานจาก แนวคิดที่เป็นนามธรรม จำรูปแบบในการแสดงเสียงได้อย่างรวดเร็วเรียกคืนความทรงจำ และทนต่อความเสียหายของถิ่น . จากมุมมองทางสถิติเครือข่ายประสาทเป็นที่น่าสนใจเป็นองสาเหตุของการใช้ศักยภาพของพวกเขาในปัญหาพยากรณ์และการจำแนกโครงข่ายประสาทเทียมถูกใช้สำหรับหลากหลายของการใช้งานที่สถิติที่เป็นผ้าเลยอง ployed . พวกเขาได้รับใช้ในการระบุปัญหา เช่นติดต่อโซนาร์ใต้น้ำ ( เซ - กอร์แมน และนอกจากนี้ยังมีจำนวนของหนังสือเบื้องต้นที่ดีบนเครือข่ายประสาทกับเฮิรตซ์ โคร และพาลเมอร์ ( 1991 ) ให้ที่ดีทางคณิตศาสตร์อธิบาย สมิธ ( 1993 ) ในการอธิบายแบบประยุกต์ และ ฟรีแมน ( 1994 ) การใช้ตัวอย่างและรหัสเพื่ออธิบายเครือข่ายประสาท นอกจากนี้ยังมีเอกสารที่เกี่ยวกับโครงข่ายประสาทเทียมและสถิติองแคลวิธี ( buntine weigend 1991 และ 1992 ; * ; sarle 1994 ; เวอร์โบส 1991 ) หนึ่งในดีที่สุดสำหรับภาพรวมทั่วไป * ( 1993 )