In each instance the individual ( )

In each instance the individual ( ) Akk x µ
membership functions may be adjusted during the training phase to achieve minimum classification error.
7 Training Training is the distinctive feature of the somewhat heuristic model presented here. During the training stage the standard deviation used in each membership function can be adjusted to improve overall performance of the “training” partition data. Increasing individual standard deviation has the effect of increasing the width of that membership exponential function. The function now departs from the true statistical probability function, but the choice of the normal probability function for the exponential was arbitrary and not usually used in fuzzy logic anyway. The data represents physical attributes and such attributes might be assumed to have normal distributions. However the data was obtained from human observations that are quantized and hence not normal.
The unaided model performed quite well. However performance was improved by adjusting the value used for standard deviation of each individual parameter associated with each class.
The additive method of combining individual parameter memberships and the product method performed comparably in practice. It would seem that using the squares of membership values would emphasize parameters where there is “good” membership. However empirical work suggests that there was no significant difference.
An adjusting coefficient may be used when adding membership values. This allows a small amount of improvement in some instances.
With some data mining models over training is possible. In that case the error percentage is very good for the training partition but markedly degraded for the validation set. This situation did not present itself.
8 Training Optimization There are many parameters and each one has an adjustable standard deviation. Adjusting by eye is time consuming. A genetic algorithm was used in an attempt to optimize this process. The genetic algorithm used was a Microsoft Excel add-in called xl bit (http://www.xlpert.com) [15]

ผลลัพธ์ (ไทย) 1:

ในแต่ละอินสแตนซ์()แต่ละเขต x Akkฟังก์ชันสมาชิกอาจมีการปรับปรุงระหว่างขั้นตอนการฝึกอบรมเพื่อให้เกิดข้อผิดพลาดประเภทต่ำสุด ฝึกอบรม 7 เป็นคุณลักษณะโดดเด่นของรุ่นแล้วค่อนข้างนำเสนอ ในระหว่างขั้นตอนการฝึกอบรม ส่วนเบี่ยงเบนมาตรฐานที่ใช้ในแต่ละฟังก์ชันสมาชิกสามารถปรับปรุงเพื่อเพิ่มประสิทธิภาพโดยรวมของข้อมูลการพาร์ติชัน "ฝึกอบรม" เพิ่มส่วนเบี่ยงเบนมาตรฐานแต่ละตัวมีผลเพิ่มความกว้างของที่ฟังก์ชันเอ็กซ์โพเนนเชียสมาชิก ฟังก์ชันนี้ออกจากฟังก์ชันความน่าเป็นสถิติจริง แต่หลากหลายฟังก์ชันความน่าเป็นปกติสำหรับการเนนอำเภอใจ และไม่มักใช้ในตรรกศาสตร์คลุมเครือต่อไป ข้อมูลแสดงถึงคุณลักษณะทางกายภาพ และคุณลักษณะดังกล่าวอาจถือว่ามีการกระจายปกติ แต่ ข้อมูลที่ได้จากสังเกตมนุษย์ที่ quantized และดังนั้นไม่ปกติ แบบตำหนิทำค่อนข้างดี อย่างไรก็ตาม ประสิทธิภาพการทำงานถูกปรับปรุง โดยปรับค่าที่ใช้สำหรับส่วนเบี่ยงเบนมาตรฐานของแต่ละพารามิเตอร์แต่ละที่เชื่อมโยงกับแต่ละชั้น วิธีการรวมสมาชิกแต่ละพารามิเตอร์และวิธีการผลิตภัณฑ์สามารถดำเนินการในทางปฏิบัติปาน ดูเหมือนว่า ใช้ยกกำลังสองของค่าสมาชิกจะเน้นพารามิเตอร์มี "ดี" สมาชิก อย่างไรก็ตาม ผลผลิตแนะนำว่า มีไม่แตกต่างอย่างมีนัยสำคัญ อาจจะใช้สัมประสิทธิ์การปรับเพิ่มค่าสมาชิก นี้อนุญาตให้ปรับปรุงจำนวนเล็กน้อยในบางกรณี มีบางรุ่นการทำเหมืองข้อมูลที่ผ่านการฝึกอบรมได้ ในกรณีที่ เปอร์เซ็นต์ของเสียจะดีสำหรับพาร์ติชันฝึก แต่เสื่อมโทรมอย่างเด่นชัดสำหรับชุดตรวจสอบ สถานการณ์นี้ได้นำเสนอตัวเอง เพิ่มประสิทธิภาพการฝึกอบรม 8 มีพารามิเตอร์มาก และแต่ละคนมีส่วนเบี่ยงเบนมาตรฐานการปรับ ปรับตาเป็นเวลานาน ใช้ขั้นตอนวิธีพันธุกรรมในความพยายามเพื่อเพิ่มประสิทธิภาพกระบวนการนี้ อัลกอริทึมทางพันธุกรรมที่ใช้ทะลุ Microsoft Excel เพิ่มในเรียกว่า xl (http://www.xlpert.com) [15]

ผลลัพธ์ (ไทย) 2:

ในกรณีของแต่ละคน () Akk x μ
ฟังก์ชั่นการเป็นสมาชิกอาจจะปรับในระหว่างขั้นตอนการฝึกอบรมเพื่อให้เกิดข้อผิดพลาดในการจัดหมวดหมู่ขั้นต่ำ.
7 การฝึกอบรมการฝึกอบรมเป็นคุณสมบัติที่โดดเด่นของรูปแบบการแก้ปัญหาค่อนข้างนำเสนอที่นี่ ในระหว่างขั้นตอนการฝึกอบรมส่วนเบี่ยงเบนมาตรฐานที่ใช้ในการทำงานของสมาชิกแต่ละคนสามารถปรับเปลี่ยนเพื่อปรับปรุงประสิทธิภาพการทำงานโดยรวมของ "การฝึกอบรม" ข้อมูลพาร์ทิชัน การเพิ่มขึ้นของส่วนเบี่ยงเบนมาตรฐานของแต่ละบุคคลมีผลในการเพิ่มความกว้างของการเป็นสมาชิกฟังก์ชั่นชี้แจงว่า ฟังก์ชั่นในขณะนี้ออกจากฟังก์ชั่นน่าจะเป็นสถิติจริง แต่ทางเลือกของฟังก์ชั่นน่าจะเป็นเรื่องปกติสำหรับการชี้แจงเป็นโดยพลการและไม่ได้ใช้มักจะอยู่ในตรรกะคลุมเครืออยู่แล้ว ข้อมูลที่แสดงให้เห็นถึงลักษณะทางกายภาพและคุณสมบัติดังกล่าวอาจจะมีการสันนิษฐานว่าจะมีการแจกแจงปกติ อย่างไรก็ตามข้อมูลที่ได้รับจากการสังเกตของมนุษย์ที่เป็นไทและด้วยเหตุนี้ไม่ปกติ.
รุ่นลำพังดำเนินการค่อนข้างดี อย่างไรก็ตามผลการดำเนินงานได้รับการปรับปรุงโดยการปรับค่าที่ใช้ในการเบี่ยงเบนมาตรฐานของแต่ละพารามิเตอร์ของแต่ละบุคคลที่เกี่ยวข้องกับแต่ละชั้นเรียน.
วิธีการเติมแต่งของการรวมสมาชิกพารามิเตอร์แต่ละผลิตภัณฑ์และวิธีการดำเนินการในทางปฏิบัติปาน มันจะดูเหมือนว่าการใช้กำลังสองของค่าสมาชิกจะเน้นพารามิเตอร์ที่มี "ดี" เป็นสมาชิก การทำงานเชิงประจักษ์ แต่แสดงให้เห็นว่าไม่มีความแตกต่างอย่างมีนัยสำคัญ.
ค่าสัมประสิทธิ์การปรับอาจจะใช้เมื่อมีการเพิ่มค่าสมาชิก นี้จะช่วยให้จำนวนเงินขนาดเล็กของการปรับปรุงในบางกรณี.
ด้วยบางรุ่นทำเหมืองข้อมูลผ่านการฝึกอบรมเป็นไปได้ ในกรณีที่ว่าร้อยละข้อผิดพลาดเป็นสิ่งที่ดีมากสำหรับพาร์ทิชันการฝึกอบรม แต่เสื่อมโทรมอย่างเห็นได้ชัดสำหรับการตั้งค่าการตรวจสอบ สถานการณ์เช่นนี้ไม่ได้นำเสนอตัวเอง.
8 การฝึกอบรมการเพิ่มประสิทธิภาพมีค่ามากและแต่ละคนมีส่วนเบี่ยงเบนมาตรฐานที่สามารถปรับเป็น ปรับด้วยตาจะเสียเวลา ขั้นตอนวิธีทางพันธุกรรมที่ถูกนำมาใช้ในความพยายามที่จะเพิ่มประสิทธิภาพของกระบวนการนี้ ขั้นตอนวิธีทางพันธุกรรมที่ใช้เป็น Microsoft Excel add-in ที่เรียกว่า XL บิต (http://www.xlpert.com) [15]

ผลลัพธ์ (ไทย) 3:

ในแต่ละรายบุคคล ( ) ผู้ X µ
สมาชิกฟังก์ชันอาจจะปรับในขั้นตอนการฝึกอบรมเพื่อให้เกิดการผิดพลาดน้อยที่สุด ฝึกอบรม
7 เป็นคุณลักษณะที่โดดเด่นของชุดรูปแบบค่อนข้างแสดงที่นี่ในระหว่างการฝึกอบรมขั้นตอนส่วนเบี่ยงเบนมาตรฐานในแต่ละสมาชิกฟังก์ชันสามารถปรับเพื่อปรับปรุงประสิทธิภาพโดยรวมของ " ฝึก " พาร์ทิชันข้อมูล การเพิ่มแต่ละส่วนเบี่ยงเบนมาตรฐานที่มีผลกระทบจากการเพิ่มความกว้างของการแทนฟังก์ชัน หน้าที่แล้วออกเดินทางจากจริงฟังก์ชันความน่าจะเป็นทางสถิติแต่ทางเลือกของฟังก์ชันความน่าจะเป็นแบบปกติสำหรับเลขชี้กำลังเป็นโดยพลการ และมักจะไม่ใช้ในตรรกศาสตร์อยู่ดี ข้อมูลที่แสดงถึงคุณลักษณะทางกายภาพและคุณสมบัติดังกล่าวอาจจะสันนิษฐานว่ามีการแจกแจงแบบปกติ อย่างไรก็ตามข้อมูลที่ได้จากการสังเกตของมนุษย์ที่อยู่ที่แน่นอนจึงไม่ธรรมดา
ไม่ได้รับการช่วยเหลือแบบแสดงได้ค่อนข้างดีอย่างไรก็ตาม ประสิทธิภาพดีขึ้น โดยการปรับค่าใช้ส่วนเบี่ยงเบนมาตรฐานของแต่ละพารามิเตอร์ที่เกี่ยวข้องกับแต่ละระดับ
เสริมวิธีรวมค่าสมาชิกบุคคลและผลิตภัณฑ์วิธีปฏิบัติปานกันในทางปฏิบัติ มันจะดูเหมือนที่ใช้สี่เหลี่ยมของค่าสมาชิกจะเน้นตัวแปรที่มี " ดี " สมาชิกอย่างไรก็ตาม ผลงานเชิงประจักษ์แสดงให้เห็นว่าไม่มีความแตกต่างกัน
การปรับค่าสัมประสิทธิ์อาจจะใช้เมื่อมีการเพิ่มค่าสมาชิก นี้จะช่วยให้จำนวนเงินที่เล็ก ๆของการปรับปรุงในบางกรณี
มีบางรุ่นการทำเหมืองข้อมูลผ่านการฝึกอบรมที่เป็นไปได้ ในกรณีที่ค่าข้อผิดพลาดที่ดีมากสำหรับการฝึกแบ่งช่วงเวลาการตรวจสอบแต่อย่างชุดสถานการณ์นี้ไม่ได้อยู่นั่นเอง
8 การฝึกอบรมเพิ่มประสิทธิภาพมีหลายตัวและแต่ละตัวมีความเบี่ยงเบนมาตรฐานปรับ ปรับด้วยตาเป็นเวลานาน ขั้นตอนวิธีทางพันธุกรรมถูกใช้ในความพยายามที่จะเพิ่มประสิทธิภาพของกระบวนการนี้ Genetic Algorithm ที่ใช้เป็น Microsoft Excel เพิ่มในบิตเรียกว่า XL ( http://www.xlpert.com ) [ 15 ]