The main challenge is to find the o

The main challenge is to find the optimal architecture of this
type of MNNs, which means finding out the optimal number of
modules, layers and nodes of the neural network with a fuzzy gravitational
search algorithm for pattern recognition and we also present
a comparison with the original gravitational approach. We are
using a modular neural network in this paper and Fig. 5 shows the
architecture used for this work and is described as follows: we
have 2 modules, where each module has one layer for the input
of the data, 2 hidden layers are used and one layer in the output
of the modular neural network and finally, the recognition of the
echocardiograms in the last block of this architecture.

ผลลัพธ์ (ไทย) 1:

ความท้าทายหลักคือหาสถาปัตยกรรมนี้เหมาะสมที่สุดชนิดของ MNNs ซึ่งหมายถึง การหาจำนวนสูงสุดของโมดูล ชั้น และโหนดของประสาทเครือข่ายด้วยความเอิบความโน้มถ่วงค้นหาอัลกอริทึมสำหรับการรู้จำรูปแบบและเรายังมีเปรียบเทียบกับวิธีการความโน้มถ่วงที่เดิม เรามีการใช้เครือข่ายประสาท modular ในกระดาษและ Fig. 5 แสดงนี้ใช้สำหรับงานนี้ และจะอธิบายได้ดังนี้: เรามีโมดูล 2 ซึ่งแต่ละโมดูมีชั้นหนึ่งสำหรับการป้อนข้อมูลข้อมูล ใช้ 2 ชั้นซ่อน และชั้นหนึ่งในผลผลิตเครือข่ายประสาท modular และสุดท้าย การรับรู้ของการechocardiograms ในช่วงสุดท้ายของสถาปัตยกรรมนี้

ผลลัพธ์ (ไทย) 2:

ความท้าทายหลักคือการหาสถาปัตยกรรมที่ดีที่สุดของเรื่องนี้ชนิดของ MNNs ซึ่งหมายถึงการหาจำนวนที่เหมาะสมของโมดูลชั้นและโหนดของเครือข่ายประสาทที่มีแรงโน้มถ่วงเลือนวิธีการค้นหาสำหรับการรับรู้รูปแบบและเรายังนำเสนอการเปรียบเทียบกับต้นฉบับวิธีแรงโน้มถ่วง เรามีการใช้เครือข่ายประสาท modular ในบทความนี้และรูป 5 แสดงให้เห็นถึงสถาปัตยกรรมที่ใช้สำหรับงานนี้และมีการอธิบายดังต่อไปนี้เรามี2 โมดูลซึ่งแต่ละโมดูลมีชั้นหนึ่งสำหรับการป้อนข้อมูลของข้อมูล2 ชั้นซ่อนมีการใช้และชั้นหนึ่งในการส่งออกของเครือข่ายประสาทแบบแยกส่วนและในที่สุดการรับรู้ของechocardiograms ในบล็อกล่าสุดของสถาปัตยกรรมนี้

ผลลัพธ์ (ไทย) 3:

ความท้าทายหลักคือการค้นหาสถาปัตยกรรมที่เหมาะสมที่สุดของประเภทนี้ของ mnns
ซึ่งหมายถึงการหาจำนวนที่เหมาะสมของ
โมดูล , ชั้นและโหนดของเครือข่ายประสาทกับขั้นตอนวิธีแบบฟัซซี่สำหรับการรู้จำรูปแบบความโน้มถ่วง

และเรายังมีการเปรียบเทียบกับแนวโน้มเดิม เราใช้โมดูล
โครงข่ายประสาทเทียมในกระดาษนี้ และรูปที่ 5 แสดง
สถาปัตยกรรมที่ใช้สำหรับงานนี้และอธิบายได้ดังนี้ เรา
2 โมดูล ซึ่งแต่ละโมดูลมีชั้นสำหรับใส่
ของข้อมูล 2 ชั้นซ่อนและใช้หนึ่งในชั้นออก
ของโครงข่ายแบบแยกส่วนและในที่สุดการรับรู้ของ
echocardiograms ในบล็อกสุดท้ายของสถาปัตยกรรมนี้ .