Parameters of the model ("model" RB

Parameters of the model ("model" RBFN's weights) were adjusted independently by two algorithms starting from the same initial conditions.
In the first case, a conventional RBFN was used with individual adjusting of its weights.
In the second cast, GP-RBFN was simulated with learning algorithm.
The efficiency of both methods were compared by using the following measure of convergence speed

ผลลัพธ์ (ไทย) 1:

พารามิเตอร์ของแบบจำลอง (น้ำหนัก "รุ่น" RBFN) ถูกปรับได้อย่างอิสระ โดยอัลกอริทึมที่สองเริ่มจากเงื่อนไขเริ่มต้นเดียวกันในกรณีแรก RBFN ทั่วไปที่ใช้กับการปรับแต่ละการชั่งในกรณีที่สอง GP RBFN ถูกจำลอง ด้วยอัลกอริทึมการเรียนรู้ประสิทธิภาพของทั้งสองวิธีมาเปรียบเทียบโดยวัดต่อไปนี้ของความเร็วในการลู่เข้า

ผลลัพธ์ (ไทย) 2:

พารามิเตอร์ของแบบจำลอง ( "รุ่น" RBFN ของน้ำหนัก) ได้รับการปรับได้อย่างอิสระสองขั้นตอนวิธีการเริ่มต้นจากเงื่อนไขเริ่มต้นเดียวกัน.
ในกรณีแรกเป็น RBFN ธรรมดาถูกนำมาใช้กับการปรับส่วนบุคคลของน้ำหนักของมัน.
ในบล็อกสอง GP-RBFN เป็น จำลองด้วยวิธีการเรียนรู้.
ประสิทธิภาพของวิธีการทั้งสองถูกนำมาเปรียบเทียบโดยใช้มาตรการดังต่อไปนี้ความเร็วบรรจบกัน

ผลลัพธ์ (ไทย) 3:

พารามิเตอร์ของแบบจำลอง ( โมเดล " rbfn ของน้ำหนัก ) ปรับอิสระสองขั้นตอนวิธีการเริ่มต้นจากเดิมเริ่มต้นที่เงื่อนไขในกรณีแรก rbfn ปกติใช้กับการปรับของแต่ละน้ำหนักในการโยนครั้งที่สอง gp-rbfn ) กับการเรียนรู้ขั้นตอนวิธีประสิทธิภาพของวิธีทั้งสองมาเปรียบเทียบ โดยใช้ตามวัดความเร็วกัน