Radial Basis Function (RBF) network

Radial Basis Function (RBF) networks typically use a distance function designed for numeric
attributes, such as Euclidean or city-block distance. This paper presents a heterogeneous distance
function which is appropriate for applications with symbolic attributes, numeric attributes, or both.
Empirical results on 30 data sets indicate that the heterogeneous distance metric yields significantly
improved generalization accuracy over Euclidean distance in most cases involving symbolic attributes.

ผลลัพธ์ (ไทย) 1:

เครือข่ายพื้นฐานฟังก์ชัน (RBF) รัศมีมักใช้ฟังก์ชันระยะทางที่ออกแบบสำหรับตัวเลขคุณลักษณะ เช่น Euclidean หรือห่างจากเมืองบล็อก เอกสารนี้แสดงระยะทางที่แตกต่างกันฟังก์ชันที่เหมาะสมสำหรับการใช้งาน พร้อมสัญลักษณ์คุณลักษณะ แอตทริบิวต์ที่เป็นตัวเลขผลรวมบน 30 ชุดข้อมูลบ่งชี้ว่า การวัดระยะทางที่แตกต่างกันทำให้มากgeneralization ปรับปรุงความถูกต้องมากกว่าแบบยุคลิดในกรณีส่วนใหญ่ที่เกี่ยวข้องกับแอตทริบิวต์สัญลักษณ์

ผลลัพธ์ (ไทย) 2:

ฟังก์ชั่นพื้นฐาน Radial (RBF)
เครือข่ายมักจะใช้ฟังก์ชั่นระยะที่ออกแบบมาสำหรับตัวเลขคุณลักษณะเช่นยุคลิดหรือระยะทางเมืองบล็อก บทความนี้นำเสนอเป็นระยะทางที่แตกต่างกันฟังก์ชั่นที่เหมาะสมสำหรับการใช้งานที่มีลักษณะสัญลักษณ์คุณลักษณะที่เป็นตัวเลขหรือทั้งสอง. ผลการทดลองในวันที่ 30 ชุดข้อมูลบ่งชี้ว่าอัตราผลตอบแทนระยะทางที่แตกต่างกันอย่างมีนัยสำคัญตัวชี้วัดการปรับปรุงความถูกต้องทั่วไประยะทางแบบยุคลิดในกรณีส่วนใหญ่ที่เกี่ยวข้องกับคุณลักษณะสัญลักษณ์

ผลลัพธ์ (ไทย) 3:

เรเดียลเบซิสฟังก์ชัน ( RBF ) เครือข่ายโดยทั่วไปใช้ระยะการทำงานออกแบบมาสำหรับคุณลักษณะตัวเลข
เช่นเมืองหรือระยะทางที่ใช้บล็อก บทความนี้นำเสนอข้อมูลการทำงานที่เหมาะสำหรับระยะทาง
โปรแกรมประยุกต์ที่มีคุณลักษณะคุณลักษณะตัวเลข , สัญลักษณ์ , หรือทั้งสองอย่าง .
ผล 30 ชุดข้อมูล พบว่า ระยะเมตริกผลผลิตอย่างมีนัยสำคัญ
วิวิธพันธ์ความถูกต้องการดีขึ้นกว่าระยะทางแบบยุคลิดในกรณีส่วนใหญ่ที่เกี่ยวข้องกับคุณลักษณะของสัญลักษณ์