However, conventional BP neural net

However, conventional BP neural networks have many shortcomings, such as slow convergence, sensitivity to initial values and easily getting into local minimum. Meanwhile, the color correction model generated by the BP neural network method is not unique. Asa result, this paper brings about improvements to traditional neural network by adopting the mind evolutionary computation (MEC)and adaboost algorithm (Adaboost) to optimize the BP neural net-work, and hence proposes the MEC-BP-Adaboost neural network.The proposed algorithm can effectively avoid BP neural network getting into local minimum and achieve relevant results after each training

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม เครือข่ายประสาท BP ธรรมดาได้แสดงหลาย บรรจบกันช้า ไวค่าเริ่มต้นและการได้รับในท้องถิ่นต่ำสุด ในขณะเดียวกัน รุ่นแก้ไขสีที่สร้างขึ้น โดยวิธีโครงข่ายประสาท BP ไม่เฉพาะเจาะจง ผล Asa กระดาษนี้นำเกี่ยวกับการปรับปรุงโครงข่ายประสาทแบบดั้งเดิม โดยใช้การคำนวณเชิงวิวัฒนาการของจิตใจ (MEC) และอัลกอริทึม adaboost (Adaboost) เพื่อเพิ่มประสิทธิภาพ BP ประสาทสุทธิงาน แล้วจึง เสนอเครือข่ายประสาท MEC-BP-Adaboost อัลกอริทึมนำเสนอได้อย่างมีประสิทธิภาพสามารถหลีกเลี่ยง BP เข้าขั้นต่ำภายในของเครือข่ายประสาท และบรรลุผลลัพธ์ที่เกี่ยวข้องหลังจากการฝึกอบรมแต่ละ

ผลลัพธ์ (ไทย) 2:

อย่างไรก็ตามเครือข่ายประสาททั่วไป BP มีข้อบกพร่องหลายอย่างเช่นการบรรจบกันช้าความไวต่อค่าเริ่มต้นได้อย่างง่ายดายและได้รับในขั้นต่ำในท้องถิ่น ในขณะที่รูปแบบการแก้ไขสีที่สร้างขึ้นโดยวิธีเครือข่ายประสาท BP จะไม่ซ้ำ ผลอาสาบทความนี้นำเกี่ยวกับการปรับปรุงโครงข่ายประสาทเทียมแบบดั้งเดิมโดยการคิดคำนวณวิวัฒนาการ (MEC) และอัลกอริทึม adaboost (Adaboost) เพื่อเพิ่มประสิทธิภาพการทำงานของระบบประสาท BP-net และด้วยเหตุนี้เสนอ MEC-BP-Adaboost ประสาทเครือที่นำเสนอ ขั้นตอนวิธีการได้อย่างมีประสิทธิภาพสามารถหลีกเลี่ยงเครือข่ายประสาท BP ขั้นต่ำที่ได้รับในท้องถิ่นและบรรลุผลลัพธ์ที่เกี่ยวข้องหลังการฝึกอบรมในแต่ละ

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม ปกติ ความดัน โครงข่ายประสาทเทียมมีข้อเสียมากมาย เช่น การลู่เข้าช้า ความไวต่อค่าเริ่มต้นได้อย่างง่ายดายและได้รับเป็นขั้นต่ำในท้องถิ่น ทั้งนี้ การแก้ไขสีแบบที่สร้างขึ้น โดยมีเครือข่ายประสาท วิธีการที่ไม่ซ้ำกัน อาสา ผลกระดาษนี้จะนำเกี่ยวกับการปรับปรุงโครงข่ายประสาทเทียมแบบดั้งเดิมด้วยการใช้จิตใจวิวัฒนาการการคำนวณ ( MEC ) และขั้นตอนวิธี adaboost ( adaboost ) เพื่อเพิ่ม BP ประสาทสุทธิ แล้วจึงนำเสนอ MEC BP adaboost ประสาทเครือข่าย วิธีที่เสนอมีประสิทธิภาพสามารถหลีกเลี่ยง BP ประสาทเครือข่ายเข้าขั้นต่ำในท้องถิ่นและบรรลุผลลัพธ์ที่เกี่ยวข้องแต่ละหลังการฝึกอบรม