In comparison of LLRBFN and RBFN, t

In comparison of LLRBFN and RBFN, the LLRBFN requires less number of neurons than the RBFN to approximate the same nonlinear system thus the LLRBFN is more efficient because the ability of approximation has been in creased by placing a local linear model instead of the hidden layer units

ผลลัพธ์ (ไทย) 1:

ในการเปรียบเทียบของ LLRBFN และ RBFN, LLRBFN ต้องน้อยกว่าจำนวน neurons กว่า RBFN เพื่อประมาณการ LLRBFN จึง efficient เพิ่มมากขึ้นเนื่องจากความสามารถของประมาณได้ถูกในผ้าเป็นรอยย่นด้วยแบบจำลองเชิงเส้นท้องถิ่นแทนหน่วยชั้นซ่อนระบบไม่เชิงเส้นเดียวกัน

ผลลัพธ์ (ไทย) 2:

ในการเปรียบเทียบของ LLRBFN และ RBFN ที่ LLRBFN ต้องมีจำนวนน้อยของเซลล์ประสาทกว่า RBFN ที่ใกล้เคียงกับระบบไม่เชิงเส้นเดียวกันจึง LLRBFN เป็นเพียงพอไฟ EF มากขึ้นเพราะความสามารถในการประมาณได้รับในรอยพับโดยการวางรูปแบบเชิงเส้นท้องถิ่นแทนของหน่วยชั้นที่ซ่อน

ผลลัพธ์ (ไทย) 3:

ในการเปรียบเทียบและ llrbfn rbfn , llrbfn ต้องน้อยกว่าจำนวนเซลล์ประสาทกว่า rbfn ประมาณเดียวกันระบบไม่เชิงเส้นจึง llrbfn มากขึ้นจึง cient EF เพราะความสามารถในการได้รับในรอยพับวางท้องถิ่นแบบเชิงแทนชั้นซ่อนหน่วย