By maximising the likelihood of the

By maximising the likelihood of the residual with respect to the current distribution (tuning p parameter),
the learning rule is matched to the probability density function of the residual.
Maximum Likelihood Hebbian Learning (MLHL) [13][16][12] has been linked to the standard statistical method of Exploratory Projection Pursuit (EPP) [17][12].

ผลลัพธ์ (ไทย) 1:

โดยเพิ่มโอกาสของส่วนที่เหลือเกี่ยวกับการกระจายปัจจุบัน (พารามิเตอร์ p จูน), กฎการเรียนรู้จะตรงกับฟังก์ชันความหนาแน่นของความน่าเป็นของเหลือ สูงสุดโอกาส Hebbian การเรียนรู้ (MLHL) [13] [16] [12] มีการเชื่อมโยงกับมาตรฐานทางสถิติวิธีการสำรวจประมาณการแสวงหา (EPP) [17] [12]

ผลลัพธ์ (ไทย) 2:

โดยการเพิ่มโอกาสในการที่เหลือเกี่ยวกับการกระจาย (p พารามิเตอร์การปรับจูน) ปัจจุบัน
กฎการเรียนรู้ที่จะจับคู่กับฟังก์ชั่นความหนาแน่นของความน่าจะเป็นของที่เหลือ
โอกาสสูงสุด Hebbian เรียนรู้ (MLHL) [13] [16] [12] ได้รับการเชื่อมโยงกับวิธีการทางสถิติมาตรฐานของการสำรวจฉายแสวงหา (EPP) [17] [12]

ผลลัพธ์ (ไทย) 3:

โดยสูงสุดโอกาสของตกค้างที่มีต่อการกระจายปัจจุบัน ( ปรับพารามิเตอร์ P )กฎการเรียนรู้คือการจับคู่กับฟังก์ชันความหนาแน่นของความน่าจะเป็นของส่วนที่เหลือhebbian เรียนความน่าจะเป็นสูงสุด ( mlhl ) [ 13 ] [ 16 ] [ 12 ] ได้ถูกเชื่อมโยงกับวิธีการทางสถิติมาตรฐานของเครื่องมือแสวงหา ( EPP ) ฉาย [ 17 ] [ 12 ]