When the pseudo-recurrent network i

When the pseudo-recurrent network is used with a database consisting of “real-world”
patterns, in this case edible and poisonous mushrooms, it is able to perform consistently
better than standard backpropagation. This improvement, measured both in terms of
Ebbinghaus memory savings and exact recognition of old patterns, increases with the number
of pseudopatterns mixed with the new data to be learned

ผลลัพธ์ (ไทย) 1:

เมื่อมีใช้เครือข่าย pseudo-เกิดซ้ำกับฐานข้อมูลที่ประกอบด้วย "โลกจริง"รูปแบบ ในนี้กรณีพิษ และกินเห็ด จะต้องทำอย่างสม่ำเสมอดีกว่ามาตรฐาน backpropagation การปรับปรุงนี้ วัดทั้งในแง่ของEbbinghaus ประหยัดหน่วยความจำและการรับรู้ที่แท้จริงของรูปแบบ เพิ่มการของ pseudopatterns ผสมกับข้อมูลใหม่ที่จะเรียนรู้

ผลลัพธ์ (ไทย) 2:

เมื่อเครือข่ายหลอกกำเริบถูกนำมาใช้กับฐานข้อมูลที่ประกอบด้วย "โลกแห่งความจริง"
รูปแบบในกรณีนี้และกินเห็ดพิษมันสามารถที่จะดำเนินการอย่างต่อเนื่องดีกว่า backpropagation มาตรฐาน
การปรับปรุงนี้วัดทั้งในแง่ของการออมที่มีหน่วยความจำและการรับรู้ Ebbinghaus แน่นอนของรูปแบบเก่าที่เพิ่มขึ้นกับจำนวนของpseudopatterns ผสมกับข้อมูลใหม่ที่จะเรียนรู้

ผลลัพธ์ (ไทย) 3:

เมื่อเทียมกำเริบเครือข่ายที่ใช้กับฐานข้อมูลที่ประกอบด้วย " โลกแห่งความจริง "
รูปแบบในกรณีนี้เห็ดกินได้และเป็นพิษ มันสามารถที่จะดำเนินการอย่างต่อเนื่อง
ดีกว่าแบบมาตรฐาน การปรับปรุงนี้ วัดได้ทั้งในแง่ของการประหยัดและการรับรู้แน่นอน
ebbinghaus หน่วยความจำรูปแบบเก่า เพิ่ม ด้วยหมายเลข
ของ pseudopatterns ผสมกับข้อมูลใหม่ที่ต้องเรียนรู้