However, using a large number of hi

However, using a large number of hidden nodes can lead to
overfitting of the training data. On the other hand, ANN will not train well (large discrepancy between the true target and
the expectation of the model output) if the topology is too simple for the data at hand. A complex topology creates large
variance while a simple topology creates large bias [German, Bienenstock & Doursat, 1992].

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม ใช้โหนซ่อนอยู่เป็นจำนวนมากอาจทำให้overfitting ข้อมูลฝึกอบรม บนมืออื่น ๆ แอนน์จะไม่ฝึกด้วย (ความขัดแย้งใหญ่ระหว่างเป้าหมายแท้จริง และความต้องการของรูปแบบการแสดงผล) ถ้าโทโพโลยีจะง่ายเกินไปสำหรับข้อมูลที่ โครงสร้างที่ซับซ้อนสร้างขนาดใหญ่ผลต่างในขณะที่โทโพโลยีอย่างสร้างความโน้มเอียงขนาดใหญ่ [เยอรมัน Bienenstock & Doursat, 1992]

ผลลัพธ์ (ไทย) 2:

อย่างไรก็ตามการใช้เป็นจำนวนมากของโหนดซ่อนอยู่สามารถนำไปสู่อิงข้อมูลการฝึกอบรม ในทางตรงกันข้าม, แอนจะไม่ได้ฝึกอบรมอย่างดี
(ความแตกต่างขนาดใหญ่ระหว่างเป้าหมายที่เป็นความจริงและความคาดหวังของการส่งออกรูปแบบ) ถ้าโครงสร้างที่ง่ายเกินไปสำหรับข้อมูลที่อยู่ในมือ โครงสร้างที่ซับซ้อนขนาดใหญ่ที่สร้างความแตกต่างในขณะที่โครงสร้างที่เรียบง่ายสร้างอคติขนาดใหญ่ [เยอรมัน, Bienenstock และ Doursat 1992]

ผลลัพธ์ (ไทย) 3:

อย่างไรก็ตาม การใช้เป็นจำนวนมากของโหนดที่ซ่อนอยู่สามารถนำไปสู่
overfitting ข้อมูลการฝึกอบรม บนมืออื่น ๆที่แอนจะไม่ฝึกได้ดี ( ความแตกต่างขนาดใหญ่ระหว่างเป้าหมายที่แท้จริงและความคาดหวังของรูปแบบ output
) ถ้าแบบง่ายเกินไป สำหรับข้อมูลในมือ โทโพโลยีที่ซับซ้อนขนาดใหญ่สร้างความแปรปรวน
ในขณะที่โครงสร้างง่ายสร้างเยอรมันอคติ [ ขนาดใหญ่ bienenstock & doursat 2535 ]