Training of the neural network was

Training of the neural network was carried out using the backpropagation gradient descent algorithm, one of the most commonly used neural network training approaches (Bishop, 1995). Repeated exposure to randomly-selected members of the training dataset with a learning rate of 0.05 and a momentum rate of 1 was found to give best results at between 5000 and 10,000 training iterations, through trial and error. A training regime of 10,000 steps was therefore adopted. Following training, the neural network was used to model values for the single data point that had been left out of the training dataset, with subsequent adjustment of the predicted values to fit within the appropriate minimum–maximum range of each parameter in the dataset.

ผลลัพธ์ (ไทย) 1:

ฝึกอบรมของเครือข่ายประสาทถูกดำเนินการโดยใช้อัลกอริทึมการไล่ระดับสีโคตร backpropagation ของที่ใช้วิธีการฝึกอบรมเครือข่ายประสาท (โคน 1995) พบสัมผัสซ้ำสุ่มเลือกสมาชิกของชุดข้อมูลฝึกอบรมเรียนรู้อัตรา 0.05 และอัตรา 1 โมเมนตัมให้ผลลัพธ์ดีที่สุดในระหว่าง 5000 และ 10000 ซ้ำ การฝึกอบรม ผ่านการทดลองและข้อผิดพลาด จึงได้นำระบอบการฝึกขั้นตอน 10000 ต่อการฝึกอบรม ใช้ค่าจุดข้อมูลเดียวที่มีแล้วที่เหลือจากชุดข้อมูลการฝึกอบรม มีการปรับปรุงต่อมาค่าคาดการณ์ให้พอดีภายในช่วงต่ำสุดสูงสุดที่เหมาะสมของแต่ละพารามิเตอร์ในชุดข้อมูล แบบเครือข่ายประสาท

ผลลัพธ์ (ไทย) 2:

การฝึกอบรมของเครือข่ายประสาทได้รับการดำเนินการโดยใช้อัลกอริธึเชื้อสาย backpropagation การไล่ระดับสีอย่างใดอย่างหนึ่งที่ใช้กันมากที่สุดเครือข่ายประสาทวิธีการฝึกอบรม (บิชอป, 1995) สัมผัสซ้ำที่จะสุ่มเลือกสมาชิกของชุดการฝึกอบรมที่มีอัตราการเรียนรู้ที่ 0.05 และอัตราโมเมนตัม 1 พบว่าให้ผลดีที่สุดในระหว่าง 5000 และ 10,000 ซ้ำการฝึกอบรมผ่านการทดลองและข้อผิดพลาด ระบอบการฝึกอบรม 10,000 ขั้นตอนจึงเป็นลูกบุญธรรม ต่อไปนี้การฝึกอบรมเครือข่ายประสาทถูกใช้ในการสร้างแบบจำลองค่าสำหรับจุดข้อมูลเดียวที่ไ​​ด้รับการปล่อยออกมาจากชุดการฝึกอบรมที่มีการปรับตัวที่ตามมาของค่าที่คาดการณ์เพื่อให้พอดีกับอยู่ในช่วงต่ำสุดสูงสุดที่เหมาะสมของแต่ละพารามิเตอร์ในชุดข้อมูลที่

ผลลัพธ์ (ไทย) 3:

การฝึกอบรมของโครงข่ายประสาทเทียมถูกนำออกมาใช้แบบไล่ระดับโคตรวิธีหนึ่งที่ใช้กันมากที่สุดวิธีการฝึกอบรมเครือข่ายประสาท ( โคน , 1995 ) ซ้ำการเปิดรับสมาชิกสุ่มของการฝึกอบรมข้อมูลที่มีอัตราการเรียนรู้เท่ากับ 0.05 และโมเมนตัมอัตรา 1 พบเพื่อให้ได้ผลลัพธ์ที่ดีที่สุดที่ระหว่าง 5000 และ 10000 รอบอบรมผ่านการทดลองและข้อผิดพลาด การฝึกอบรมระบบการปกครองของ 10 , 000 ขั้นตอนจึงได้นำ ติดตามการฝึกอบรม , โครงข่ายประสาทเทียมที่ใช้ค่าแบบจุดเดียว ข้อมูลที่ถูกปล่อยออกจากการฝึกอบรมชุดข้อมูล กับการปรับค่าพยากรณ์ที่เหมาะสมเพื่อให้พอดีกับภายในสุด–ช่วงสูงสุดของแต่ละพารามิเตอร์ในวันที่ .