Neural network is a set of connecte

Neural network is a set of connected input/output units and each connection has a weight present with it. During the learning phase, network learns by adjusting weights so as to be able to predict the correct class labels of the input tuples. Neural networks have the remarkable ability to derive meaning from complicated or imprecise data and can be used to extract patterns and detect trends that are too complex to be noticed by either humans or other computer techniques. These are well suited for continuous valued inputs and outputs. Neural networks are best at identifying patterns or trends in data and well suited for prediction or forecasting needs.

ผลลัพธ์ (ไทย) 1:

เครือข่ายประสาทเป็นชุดของหน่วยอินพุต/เอาท์พุตเชื่อมต่อ และเชื่อมต่อแต่ละมีน้ำหนักอยู่ด้วย ระหว่างขั้นตอนการเรียนรู้ เครือข่ายเรียนรู้ โดยการปรับน้ำหนักที่ถูกต้องสามารถที่จะทำนายป้ายชั้นถูกต้องของ tuples อินพุต เครือข่ายประสาทสามารถโดดเด่นได้รับความหมายจากข้อมูลที่ซับซ้อน หรือ imprecise และสามารถใช้เพื่อแยกรูปแบบ และพบแนวโน้มที่จะซับซ้อนเกินกว่าที่จะสังเกต โดยมนุษย์หรือเทคนิคคอมพิวเตอร์ เหล่านี้เป็นต่อเนื่องบริษัทอินพุตและเอาท์พุต เครือข่ายประสาทที่เหมาะสม และดีที่สุดในการระบุรูปแบบหรือแนวโน้มในข้อมูลการพยากรณ์หรือการคาดการณ์ความต้องการ

ผลลัพธ์ (ไทย) 2:

เครือข่ายประสาทเป็นชุดของการป้อนข้อมูลที่เชื่อมต่อ / หน่วยการส่งออกและการเชื่อมต่อแต่ละคนมีน้ำหนักปัจจุบันกับมัน ในระหว่างขั้นตอนการเรียนรู้เครือข่ายการเรียนรู้โดยการปรับน้ำหนักเพื่อที่จะสามารถที่จะคาดการณ์ระดับฉลากที่ถูกต้องของ tuples การป้อนข้อมูล โครงข่ายประสาทเทียมมีความสามารถที่โดดเด่นจะได้รับหมายจากข้อมูลที่ซับซ้อนหรือไม่แน่ชัดและสามารถนำมาใช้ในการสกัดตรวจสอบรูปแบบและแนวโน้มที่มีความซับซ้อนเกินกว่าที่จะสังเกตเห็นโดยทั้งมนุษย์หรือเทคนิคคอมพิวเตอร์อื่น ๆ เหล่านี้มีความเหมาะสมดีสำหรับปัจจัยการผลิตที่มีมูลค่าอย่างต่อเนื่องและเอาท์พุท โครงข่ายประสาทเทียมที่ดีที่สุดในการระบุรูปแบบหรือแนวโน้มของข้อมูลและเหมาะสำหรับการทำนายหรือการคาดการณ์ความต้องการ

ผลลัพธ์ (ไทย) 3:

โครงข่ายประสาทเทียมเป็นชุดของการเชื่อมต่อหน่วยอินพุต / เอาต์พุตและการเชื่อมต่อแต่ละคนมีน้ำหนักปัจจุบันด้วย ในระหว่างขั้นตอนการเรียนรู้ เครือข่ายเรียนรู้โดยการปรับน้ำหนักเพื่อที่จะสามารถทำนายระดับของการป้อนข้อมูลที่มีป้ายชื่อที่ถูกต้อง .โครงข่ายประสาทเทียมมีความสามารถโดดเด่นเพื่อสืบทอดความหมายซับซ้อน หรือข้อมูลไม่แน่ชัดและสามารถใช้สารสกัดจากรูปแบบและตรวจสอบแนวโน้มที่จะซับซ้อนเกินไปที่จะสังเกตเห็นโดยมนุษย์ หรือเทคนิคคอมพิวเตอร์อื่น ๆ เหล่านี้จะเหมาะสำหรับอย่างต่อเนื่องมูลค่าปัจจัยการผลิตและผลผลิตโครงข่ายประสาทเทียมที่ดีที่สุดในการระบุรูปแบบหรือแนวโน้มของข้อมูล และเหมาะสำหรับการทำนายหรือการพยากรณ์ความต้องการ .