Training a NN usually requires a su

Training a NN usually requires a substantial amount of data, of which one part will be used for training and the rest will be used for testing the trained network. Having selected the significant process parameters and assigned them to network inputs, the next step is to acquire the required process parameter and response (output) data for training. It is important that the parameter data be correctly associated with the consequent process output data. Data collection is an important step to ensure the sufficiency and integrity of the data used to train the network, as the network performance can only be as good as the training data. It is not possible to say how many data items are appropriate, because this depends on the complexity of the process modelling problem. Generally the training data should be representative of the entire population of data items, unless there is good reason to resort to stratification or data blocking. The proportion of training to testing data varied considerably in the published research. For example Nascimento and Guardani (2000) vary the ratio from 1:1 to 3:1, Hsieh and Tong (2001) use 2:1 and Coit et al. (1998) use 4:1. Training and testing data can be acquired in a number of ways, as described in the following sections.

ผลลัพธ์ (ไทย) 1:

เอ็นเอ็นเป็นการฝึกอบรมมักจะต้องการเป็นจำนวนมากของข้อมูล ซึ่งส่วนหนึ่งจะใช้สำหรับการฝึกอบรม และส่วนเหลือจะใช้สำหรับการทดสอบเครือข่ายฝึกอบรม มีเลือกพารามิเตอร์กระบวนการสำคัญ และกำหนดให้เครือข่ายปัจจัยการผลิต ขั้นตอนถัดไปคือการ รับพารามิเตอร์กระบวนการจำและการตอบสนอง (ผลผลิต) ข้อมูลการฝึกอบรม สำคัญที่ข้อมูลพารามิเตอร์จะถูกเชื่อมโยงกับข้อมูลผลลัพธ์กระบวนการที่ตามมาได้ รวบรวมข้อมูลเป็นขั้นตอนสำคัญให้พอเพียงและความสมบูรณ์ของข้อมูลที่ใช้ฝึกเครือข่าย ประสิทธิภาพการทำงานของเครือข่ายสามารถเป็นดีข้อมูลการฝึกอบรม ไม่สามารถระบุได้ว่า จำนวนรายการข้อมูลที่เหมาะสม เนื่องจากนี้ขึ้นอยู่กับความซับซ้อนของกระบวนการสร้างแบบจำลองปัญหา โดยทั่วไปข้อมูลการฝึกอบรมควรเป็นตัวแทนของประชากรทั้งหมดของข้อมูลสินค้า เว้นแต่จะมีเหตุผลดีรีสอร์ทสาระหรือบล็อกข้อมูล สัดส่วนของการฝึกอบรมการทดสอบข้อมูลที่แตกต่างกันมากในงานวิจัยเผยแพร่ ตัวอย่าง Nascimento และ Guardani (2000) อัตราส่วน 1:1 3:1, Hsieh และตอง (2001) ใช้ 2:1 และใช้ Coit et al. (1998) 4:1 แตกต่างกันไป ฝึกอบรม และทดสอบข้อมูลสามารถหาได้ในหลายวิธี ตามที่อธิบายไว้ในส่วนต่อไปนี้

ผลลัพธ์ (ไทย) 2:

การฝึกอบรม NN มักจะต้องใช้เงินจำนวนมากของข้อมูลซึ่งส่วนหนึ่งจะนำไปใช้สำหรับการฝึกอบรมและส่วนที่เหลือจะนำไปใช้สำหรับการทดสอบเครือข่ายผ่านการฝึกอบรม หลังจากที่เลือกพารามิเตอร์กระบวนการที่สำคัญและได้รับมอบหมายให้พวกเขาเครือข่ายปัจจัยการผลิตขั้นตอนต่อไปคือการได้รับพารามิเตอร์กระบวนการที่จำเป็นและการตอบสนอง (output) ข้อมูลสำหรับการฝึกอบรม มันเป็นสิ่งสำคัญที่จะเป็นข้อมูลพารามิเตอร์ที่เกี่ยวข้องอย่างถูกต้องกับข้อมูลการส่งออกผลเนื่องมาจากกระบวนการ การเก็บรวบรวมข้อมูลเป็นขั้นตอนสำคัญเพื่อให้แน่ใจว่าพอเพียงและความสมบูรณ์ของข้อมูลที่ใช้ในการฝึกอบรมเครือข่ายในขณะที่ประสิทธิภาพของเครือข่ายเท่านั้นที่สามารถจะเป็นดีเป็นข้อมูลการฝึกอบรม มันเป็นไปไม่ได้ที่จะบอกว่าหลายรายการข้อมูลที่มีความเหมาะสมเพราะนี้ขึ้นอยู่กับความซับซ้อนของปัญหาการสร้างแบบจำลองกระบวนการ โดยทั่วไปข้อมูลการฝึกอบรมที่ควรจะเป็นตัวแทนของประชากรทั้งหมดของรายการข้อมูลเว้นแต่จะมีเหตุผลที่ดีที่จะรีสอร์ทเพื่อการแบ่งชั้นหรือการปิดกั้นข้อมูล สัดส่วนของการฝึกอบรมเพื่อการทดสอบที่แตกต่างกันของข้อมูลมากในการวิจัยที่ตีพิมพ์ ตัวอย่างเช่นร่าและ Guardani (2000) อัตราการแตกต่างกันไปจากเดิม 1: 1 ถึง 3: 1, Hsieh และตง (2001) ใช้ 2: 1 และ Coit et al, (1998) ใช้ 4: 1 การฝึกอบรมและข้อมูลการทดสอบสามารถซื้อได้ในหลายวิธีตามที่อธิบายไว้ในส่วนต่อไป

ผลลัพธ์ (ไทย) 3:

ฝึกอบรม nn มักจะต้องใช้จำนวนมากของข้อมูล ซึ่งส่วนหนึ่งจะใช้ในการฝึกอบรม และส่วนที่เหลือจะใช้สำหรับการทดสอบเครือข่ายการฝึกอบรม มีการเลือกกระบวนการที่มีพารามิเตอร์และมอบหมายให้กระผมเครือข่ายขั้นตอนต่อไปคือการได้รับเป็นพารามิเตอร์กระบวนการและการตอบสนอง ( Output ) ข้อมูลการฝึกอบรมมันเป็นสิ่งสำคัญว่าข้อมูลพารามิเตอร์ถูกที่เกี่ยวข้องกับกระบวนการจากการส่งออกข้อมูล การเก็บรวบรวมข้อมูล เป็นขั้นตอนสำคัญเพื่อให้แน่ใจว่า ความพอเพียงและความสมบูรณ์ของข้อมูลที่ใช้ฝึกเครือข่าย เป็นประสิทธิภาพของเครือข่ายสามารถเป็นข้อมูลการฝึกอบรม มันเป็นไปไม่ได้ที่จะพูดกี่รายการข้อมูลที่เหมาะสมเพราะขึ้นอยู่กับความซับซ้อนของกระบวนการการจำลองแบบปัญหา ข้อมูลทั่วไปการฝึกอบรมควรเป็นตัวแทนของประชากรทั้งหมดของรายการข้อมูล เว้นแต่จะมีเหตุผลที่ดีที่จะใช้ข้อมูลหรือการบล็อค . สัดส่วนของการฝึกอบรมการทดสอบข้อมูลที่แตกต่างกันมากในการเผยแพร่งานวิจัย สำหรับ nascimento ตัวอย่างและ guardani ( 2000 ) แตกต่างกัน อัตราส่วน 1 :1 : 1 3 เส กับ ถง ( 2001 ) ใช้ 2 : 1 และคอยต์ et al . ( 1998 ) ใช้ 4 : 1 . การฝึกอบรมและการทดสอบข้อมูลที่สามารถซื้อในหลายวิธีที่อธิบายไว้ในส่วนต่อไปนี้