6.2 BASIC CONCEPTS OF NEURAL NETWOR

6.2 BASIC CONCEPTS OF NEURAL NETWORKS: ARCHITECTURE
• Finally, how a network is trained to perform its desired task is another identifying model characteristic.
• With supervised learning, a sample training set is used to “teach” the network about its problem domain.
• This training set of exemplar cases (input and the desired output) is iteratively presented to the neural network.
• The output of the network in its present form is calculated and compared to the desired output.
• The learning algorithm is the training procedure that an ANN uses.
• The learning algorithm used determines hoe the neural interconnection weights are corrected due to differences in the actual and desired output for a member of the training set.
• Updating of the network’s interconnection weights continues until the training algorithm’s stopping criteria are met(e.g., all cases must be correctly classified within a certain tolerance level)

ผลลัพธ์ (ไทย) 1:

6.2 แนวคิดพื้นฐานเครือข่ายประสาท: สถาปัตยกรรม•ในที่สุด วิธีคือการฝึกอบรมเครือข่ายการทำงานของคุณต้องได้ลักษณะรูปแบบอื่นที่ระบุ •มีแบบมีผู้สอนการเรียนรู้ ตัวอย่างชุดฝึกใช้ "สอน" เครือข่ายเกี่ยวกับโดเมนของปัญหา •ชุดฝึกอบรมนี้กรณี exemplar (ป้อนข้อมูลและผลลัพธ์ต้อง) ซ้ำ ๆ มีการนำเสนอเครือข่ายประสาท •ผลลัพธ์ของเครือข่ายในรูปแบบปัจจุบันใช้คำนวณ และเปรียบเทียบกับผลลัพธ์คุณต้อง •อัลกอริทึมการเรียนรู้เป็นกระบวนการฝึกอบรมที่แอนน์ใช้ •อัลกอริทึมการเรียนรู้ที่ใช้กำหนดจอบน้ำหนักเชื่อมต่อประสาทจะแก้ไขเนื่องจากความแตกต่างในการแสดงผลที่เกิดขึ้นจริง และต้องการเป็นสมาชิกของชุดแบบฝึก •ปรับปรุงน้ำหนักการเชื่อมต่อของเครือข่ายอย่างต่อเนื่องจนกว่าจะตรงตามเงื่อนไขการหยุดของขั้นตอนวิธีการฝึกอบรม (เช่น กรณีทั้งหมดต้องถูกจัดประเภทในระดับยอมรับ)

ผลลัพธ์ (ไทย) 2:

6.2 แนวคิดพื้นฐานของเครือข่ายประสาท: ARCHITECTURE
. •สุดท้ายว่าเครือข่ายได้รับการฝึกฝนในการดำเนินงานที่วางไว้เป็นอีกหนึ่งรูปแบบการระบุลักษณะ
•ด้วยการเรียนรู้ภายใต้การดูแลชุดการฝึกอบรมกลุ่มตัวอย่างที่ใช้ในการ "สอน" เครือข่ายเกี่ยวกับโดเมนของปัญหา.
• ชุดการฝึกอบรมนี้ของกรณีตัวอย่าง (อินพุทและเอาท์พุทที่ต้องการ) จะถูกนำเสนอซ้ำไปยังเครือข่ายประสาท.
•การส่งออกของเครือข่ายในรูปแบบปัจจุบันที่มีการคำนวณและเมื่อเทียบกับผลลัพธ์ที่ต้องการ.
•ขั้นตอนวิธีการเรียนรู้เป็นขั้นตอนการฝึกอบรมที่ ANN ใช้.
•ขั้นตอนวิธีการเรียนรู้ที่ใช้กำหนดจอบน้ำหนักเชื่อมต่อโครงข่ายประสาทได้รับการแก้ไขเนื่องจากความแตกต่างในผลลัพธ์ที่เกิดขึ้นจริงและต้องการสำหรับสมาชิกของชุดการฝึกอบรม.
•การอัปเดตของน้ำหนักการเชื่อมต่อเครือข่ายต่อไปจนกว่าเกณฑ์หยุดขั้นตอนวิธีการฝึกอบรมจะได้พบกับ ( เช่นทุกกรณีจะต้องจัดอย่างถูกต้องภายในระดับความอดทนบางอย่าง)

ผลลัพธ์ (ไทย) 3:

6.2 แนวคิดพื้นฐานของโครงข่ายประสาทเทียม : - สถาปัตยกรรม
สุดท้ายแล้วเครือข่ายการฝึกอบรมเพื่อปฏิบัติงานที่ต้องการเป็นอีกลักษณะของการระบุรูปแบบ
- กับการเรียนรู้แบบ Supervised Learning , ตัวอย่างชุดฝึกใช้เพื่อ " สอน " เครือข่าย เรื่องของปัญหาโดเมน
- ชุดฝึกนี้กรณีแบบอย่าง ( Input และ output ที่ต้องการ ) ซ้ำเสนอเครือข่ายประสาท
- ผลผลิตของเครือข่ายในรูปแบบปัจจุบันจะถูกคำนวณและเปรียบเทียบกับผลลัพธ์ที่ต้องการ .
- ขั้นตอนวิธีการเรียนรู้การฝึกอบรมขั้นตอนที่แอนใช้
- การเรียนรู้วิธีที่ใช้เป็นตัวเชื่อมต่อประสาทเป็นจอบน้ำหนักแก้ไขเนื่องจากความแตกต่างในจริงและผลลัพธ์ที่ต้องการ สำหรับสมาชิกของชุดฝึกอบรม .
- ปรับปรุงของเครือข่ายเชื่อมต่อจนกว่าน้ำหนักการฝึกอบรมขั้นตอนวิธีของการหยุดที่ตรงตามเกณฑ์ ( เช่นกรณีต้องถูกจัดภายในระดับความอดทนแน่นอน )