The performance of recently develop

The performance of recently developed neural
network structure, general regression neural network
(GRNN), is examined on the medical data. Pima Indian
Dabetes (PID) data set is chosen to study on that had
been examined by more complex neural network
structures in the past. The results of early studies and of
the GRNN structure presented in this paper is
compared. Close classification accuracy to the
reference work using ARTMAP-IC structured model,
which is the best result obtained since now, is achieved
by using GRNN, which has a simpler structure. The
performance of the standard multilayer perceptron
(MLP) and radial basis function (RBF) feed forward
neural networks are also examined for the comparison
as they are the most general and commonly used neural
network structures. The performance of the MLP was
tested for different types of backpropagation training
algorithms.

ผลลัพธ์ (ไทย) 1:

ประสิทธิภาพของเพิ่งพัฒนาระบบประสาทโครงสร้างเครือข่าย โครงข่ายประสาทถดถอยทั่วไป(GRNN), มีการตรวจสอบข้อมูลทางการแพทย์ อินเดีย Pimaชุดข้อมูล Dabetes (PID) คือเลือกที่จะศึกษาว่ามีการตรวจสอบจากเครือข่ายประสาทที่ซับซ้อนมากขึ้นโครงสร้างในอดีต ผล ของการศึกษาต้น และโครงสร้าง GRNN ที่นำเสนอในเอกสารนี้เปรียบเทียบ ปิดประเภทแม่นยำในการทำงานอ้างอิงที่ใช้ ARTMAP IC รูปแบบโครงสร้างซึ่งเป็นผลที่ดีที่สุดที่ได้รับตั้งแต่ตอนนี้ จะประสบความสำเร็จโดยใช้ GRNN ซึ่งมีโครงสร้างเรียบง่าย การของเพอร์เซปตรอนหลายมาตรฐาน(MLP) และฟังก์ชันฐานรัศมี (RBF) เลี้ยงไปข้างหน้าเครือข่ายประสาทจะยังมีการตรวจสอบสำหรับการเปรียบเทียบเป็นการทั่วไปมากที่สุด และใช้กันทั่วไประบบประสาทโครงสร้างเครือข่าย ประสิทธิภาพการทำงานของ MLP ถูกผ่านทดสอบชนิดต่าง ๆ การฝึกอบรม backpropagationอัลกอริทึม

ผลลัพธ์ (ไทย) 2:

ประสิทธิภาพการทำงานของระบบประสาทเมื่อเร็ว ๆ นี้ได้รับการพัฒนา
โครงสร้างเครือข่ายการถดถอยทั่วไปเครือข่ายประสาท
(GRNN) จะตรวจสอบกับข้อมูลทางการแพทย์ Pima อินเดีย
Dabetes (PID) ชุดข้อมูลคือเลือกที่จะศึกษาที่ได้
รับการตรวจสอบโดยที่ซับซ้อนมากขึ้นเครือข่ายประสาท
โครงสร้างในอดีตที่ผ่านมา ผลจากการศึกษาในช่วงต้นและของ
โครงสร้าง GRNN นำเสนอในบทความนี้จะ
เทียบ ปิดความถูกต้องของการจำแนกไป
อ้างอิงงานโดยใช้ไอซี ARTMAP รูปแบบโครงสร้าง
ซึ่งเป็นผลที่ดีที่สุดที่ได้รับตั้งแต่ตอนนี้จะประสบความสำเร็จ
โดยใช้ GRNN ซึ่งมีโครงสร้างที่เรียบง่าย
ประสิทธิภาพการทำงานของหลาย Perceptron มาตรฐาน
(MLP) และฟังก์ชั่นพื้นฐานรัศมี (RBF) ฟีดไปข้างหน้า
เครือข่ายประสาทนอกจากนี้ยังมีการตรวจสอบสำหรับการเปรียบเทียบ
ที่พวกเขาเป็นประสาททั่วไปมากที่สุดและใช้กันทั่วไป
โครงสร้างเครือข่าย ประสิทธิภาพการทำงานของ MLP ได้รับการ
ทดสอบสำหรับชนิดของการฝึกอบรมแพร่กระจายย้อนกลับ
ขั้นตอนวิธีการ

ผลลัพธ์ (ไทย) 3:

ประสิทธิภาพของการพัฒนาล่าสุด ประสาทโครงสร้างเครือข่ายทั่วไปถดถอยโครงข่ายประสาทเทียม( grnn ) คือการตรวจสอบกับข้อมูลทางการแพทย์ พิม่าอินเดียdabetes ( PID ) ชุดข้อมูลจะเลือกเพื่อการศึกษาที่มีรับการตรวจสอบโดยเครือข่ายประสาทที่ซับซ้อนมากขึ้นโครงสร้างในอดีต ผลของการศึกษาและของก่อนโครงสร้าง grnn นำเสนอในบทความนี้คือเปรียบเทียบ ความแม่นยำในการจำแนกเพื่อปิดงานอ้างอิงที่ใช้ artmap-ic โครงสร้างแบบซึ่งเป็นที่ดีที่สุด ผลที่ได้คือ ได้ตั้งแต่บัดนี้โดยใช้ grnn ซึ่งมีโครงสร้างที่เรียบง่าย ที่ประสิทธิภาพของเพอร์เซปตรอนหลายมาตรฐาน( MLP ) และฟังก์ชันเรเดียลเบซิส ( RBF ) ดึงไปข้างหน้าโครงข่ายประสาทเทียมยังตรวจสอบเพื่อเปรียบเทียบเช่นที่พวกเขาจะมากทั่วไปและใช้กันทั่วไปประสาทโครงสร้างเครือข่าย ประสิทธิภาพของ MLP คือสำหรับประเภทที่แตกต่างกันของการฝึกแบบทดสอบอัลกอริธึม