In the ANN analysis carried out for

In the ANN analysis carried out for the four models (Table 7),
the smallest maximum relative error values and RMSE’s in the testing
sets are obtained from the network for Model 1 with a = 1 and
g = 1.0, for Model 2 with a = 0.25 and g = 0.50, for Model 3 with
a = 0.75 and g = 1.0, and for Model 4 with a = 0.75 and g = 0.75.
The smallest average relative errors of the testing data sets in these
cases are found from the networks as 1.955%, 1.222%, 2.721%, and
1.577%, respectively. The maximum relative error may be reduced
if the stopping criterion, which is the epoch number, is increased.
Besides, the conjugate gradient or the scaled conjugate gradient
methods may be used to reduce the maximum relative error instead
of the generalized delta rule in learning. Also different network
structures with one or more hidden layers or nodes with
different learning rates and momentum terms may produce smaller
error. Relative error is calculated as

ผลลัพธ์ (ไทย) 1:

ในการวิเคราะห์แอนน์ทำรุ่นสี่ (ตาราง 7),ค่าสูงสุดสัมพัทธ์ข้อผิดพลาดน้อยที่สุดและ RMSE ในการทดสอบชุดจะได้รับจากเครือข่ายรุ่น 1 มีเป็น = 1 และg = 1.0 รุ่น 2 กับการ = 0.25 และ g = 0.50 รุ่น 3 ด้วยตัว = 0.75 และ g = 1.0 และ 4 รูปแบบด้วยการ = 0.75 และ g = 0.75น้อยที่สุดเฉลี่ยสัมพัทธ์ข้อผิดพลาดของชุดข้อมูลทดสอบในเหล่านี้กรณีพบจากเครือข่ายเป็น 1.955, 1.222%, 2.721% และ1.577% ตามลำดับ ข้อผิดพลาดสัมพัทธ์สูงสุดอาจจะลดลงถ้าเพิ่มเงื่อนไขหยุด ซึ่งเป็นหมายเลขยุคนอกจากนี้ การไล่ระดับสี conjugate หรือการไล่ระดับ conjugate ปรับสัดส่วนได้อาจใช้วิธีการเพื่อลดข้อผิดพลาดสัมพัทธ์สูงสุดแทนกฎเดลต้าเมจแบบทั่วไปเรียนรู้ นอกจากนี้เครือข่ายที่แตกต่างกันโครงสร้าง มีชั้นซ่อนหรือโหนด้วยอัตราการเรียนรู้ต่าง ๆ และโมเมนตัมเงื่อนไขอาจผลิตขนาดเล็กข้อผิดพลาด มีคำนวณผิดพลาดสัมพัทธ์เป็น

ผลลัพธ์ (ไทย) 2:

ในการวิเคราะห์ ANN ดำเนินการสำหรับสี่รุ่น (ตารางที่ 7),
ค่าความผิดพลาดสูงสุดญาติเล็กที่สุดและ RMSE
ในการทดสอบชุดจะได้รับจากเครือข่ายสำหรับรุ่น1 กับ = 1
กรัม = 1.0 สำหรับรุ่น 2 กับ = 0.25 และ g = 0.50 สำหรับรุ่น 3
ใหม่ = 0.75 และ g = 1.0 และสำหรับรุ่น 4 ที่มี = 0.75 และ g = 0.75. ข้อผิดพลาดญาติเฉลี่ยเล็กที่สุดของข้อมูลชุดทดสอบเหล่านี้ในกรณีที่พบจากเครือข่ายเป็น1.955%, 1.222%, 2.721% และ1.577% ตามลำดับ ข้อผิดพลาดญาติสูงสุดอาจจะลดลงถ้าเกณฑ์หยุดซึ่งเป็นยุคจำนวนที่เพิ่มขึ้น. นอกจากนี้การไล่ระดับสีผันหรือลาดผันปรับวิธีการอาจจะถูกใช้เพื่อลดความผิดพลาดสูงสุดแทนของเดลต้ากฎทั่วไปในการเรียนรู้ เครือข่ายที่แตกต่างกันนอกจากนี้ยังมีโครงสร้างที่มีหนึ่งหรือมากกว่าหนึ่งชั้นที่ซ่อนอยู่หรือโหนดที่มีอัตราการเรียนรู้ที่แตกต่างกันและเงื่อนไขโมเมนตัมที่มีขนาดเล็กอาจมีข้อผิดพลาด ความผิดพลาดจะถูกคำนวณเป็น

ผลลัพธ์ (ไทย) 3:

ในการวิเคราะห์แอนดำเนินการสำหรับ 4 รุ่น ( ตารางที่ 7 ) ,
ค่าความคลาดเคลื่อนสัมพัทธ์สูงสุดที่เล็กที่สุด และวิธีในการทดสอบ
ชุดที่ได้รับจากเครือข่ายรุ่น 1 = 1
g = 1.0 สำหรับรุ่น 2 ด้วย = 0.25 และ g = 0.50 , รุ่น 3 กับ
= = 0.75 และ 1.0 กรัม และรุ่น 4 กับ = 0.75 กรัม = 0.75 ความคลาดเคลื่อนน้อยที่สุด
สัมพัทธ์เฉลี่ยของการทดสอบข้อมูลชุดนี้
กรณีพบจากเครือข่าย 1.955 % , 1.222 % 2.215 % และ
1.577 ตามลำดับ ความคลาดเคลื่อนสัมพัทธ์สูงสุดอาจจะลดลง
ถ้าหยุดเกณฑ์ ซึ่งเป็นยุคจำนวนเพิ่มขึ้น
นอกจากนี้ ผันลาดหรือปรับผันวิธีการไล่สี
อาจจะถูกใช้เพื่อลดความคลาดเคลื่อนสัมพัทธ์สูงสุดแทน
ของกฎเดลต้าทั่วไปในการเรียนรู้
เครือข่ายยังแตกต่างกันโครงสร้างที่มีหนึ่งหรือมากกว่าหนึ่งชั้นซ่อนหรือโหนดที่มี
เรียนที่แตกต่างกันอัตราและเงื่อนไขโมเมนตัมอาจผลิตข้อผิดพลาดเล็ก

ความคลาดเคลื่อนสัมพัทธ์คำนวณเป็น