Both the Ebbinghaus-savings measure

Both the Ebbinghaus-savings measure and the exact-recognition measures were used to
measure forgetting. Figure 11 shows the number of epochs required to relearn the original
data for the pseudo-recurrent network compared to the number of epochs required by a
standard backpropagation network after each had learned the new data. There was a
decrease from an average of 88 epochs to 43 (averaged over 30 runs), an improvement of
over 50%. Figure 12 shows the corresponding improvement in exact recognition of the
originally learned items for the pseudo-recurrent network compared to the backpropagation
network

ผลลัพธ์ (ไทย) 2:

ทั้งมาตรการประหยัด Ebbinghaus
และมาตรการการรับรู้ที่ถูกต้องถูกนำมาใช้ในการวัดลืม รูปที่ 11 แสดงให้เห็นว่าจำนวนของ epochs
ที่จำเป็นในการเรียนรู้เดิมข้อมูลสำหรับเครือข่ายหลอกเกิดขึ้นอีกเมื่อเทียบกับจำนวนของepochs
จำเป็นโดยเครือข่ายbackpropagation มาตรฐานหลังจากที่แต่ละได้เรียนรู้ข้อมูลใหม่ มีก็ลดลงจากค่าเฉลี่ยของ 88 epochs ไป 43 (เฉลี่ย 30 วิ่ง) การปรับปรุงของกว่า50% รูปที่ 12 แสดงให้เห็นถึงการปรับปรุงที่สอดคล้องกันในการรับรู้ที่ถูกต้องของรายการที่ได้เรียนรู้มาสำหรับเครือข่ายหลอกเกิดขึ้นอีกเมื่อเทียบกับbackpropagation เครือข่าย

ผลลัพธ์ (ไทย) 3:

ทั้ง ebbinghaus ออมทรัพย์วัดและมาตรการการใช้แน่นอน

วัดลืม รูปที่ 11 แสดงหมายเลขของยุคสมัยที่ต้องเรียนรู้ข้อมูลเดิม
สำหรับเครือข่ายร่วมกันปลอมเมื่อเทียบกับจำนวนของยุคสมัยที่บังคับใช้โดย
เครือข่ายแบบมาตรฐาน หลังจากได้เรียนรู้ข้อมูลใหม่ มี
ลดลงจากเฉลี่ย 88 epochs 43 ( เฉลี่ยกว่า 30 วิ่ง ) , การปรับปรุง
กว่า 50% รูปที่ 12 แสดงให้เห็นการปรับปรุงที่สอดคล้องกันในการรับรู้ที่แน่นอนของ
ตอนแรกเรียนรายการเครือข่ายกำเริบเทียมเทียบกับแบบ
เครือข่าย