(8) Weak predictor prediction: If t

(8) Weak predictor prediction: If the training samples have m setsof data, we initialize the distribution Dt(i) = 1/m, i = 1, 2, . . .,m. Ten MEC-BP neural networks are created by following thisimprovised effort. And the ten BP network weak predictors aretrained. The errors sum etof prediction serial g(t) was obtainedwhen the t weak predictors was trained [14]. Therefore, theprediction serial weight atcan be computed by the followingequation:

ผลลัพธ์ (ไทย) 1:

(8) ทายจำนวนประตูอ่อนแอ: ถ้าตัวอย่างการฝึกอบรมมีข้อมูล setsof m เราเริ่มกระจาย Dt(i) = 1/m ฉัน = 1, 2, ... ., ม. MEC สิบสร้างเครือข่ายประสาทโดยพยายาม thisimprovised BP และ BP 10 เครือข่าย predictors อ่อน aretrained ข้อผิดพลาดรวมทำนาย etof g(t) ลำดับที่ obtainedwhen predictors อ่อนแอไม่มีการฝึกอบรม [14] ดังนั้น atcan theprediction น้ำหนักประจำถูกคำนวณ โดย followingequation:

ผลลัพธ์ (ไทย) 2:

(8) การทำนายทำนายที่อ่อนแอ: ถ้าตัวอย่างการฝึกอบรมมีข้อมูลเมตร setsof เราเริ่มต้นการกระจาย Dt นี้ (i) = 1 / m i = 1, 2, . . ม. สิบเครือข่ายประสาท MEC-BP ถูกสร้างขึ้นโดยต่อไปนี้ความพยายาม thisimprovised ทั้งสิบ BP เครือข่ายพยากรณ์อ่อนแอ aretrained ข้อผิดพลาดสรุปผลการทำนาย etof กรัมอนุกรม (t) ถูก obtainedwhen เสื้อพยากรณ์อ่อนแอได้รับการฝึกฝน [14] ดังนั้น theprediction น้ำหนักอนุกรม atcan จะคำนวณโดย followingequation ไปนี้:

ผลลัพธ์ (ไทย) 3:

( 8 ) พยากรณ์ทำนายอ่อนแอ : ถ้าฝึกอย่าง มี M ข้อมูลชุด เราเริ่มต้น DT กระจาย ( ผม ) = 1 / m , i = 1 , 2 , . . . . . . . . . สิบ mec-bp โครงข่ายประสาทเทียมที่ถูกสร้างขึ้นตาม thisimprovised ความพยายาม และเครือข่าย BP สิบอ่อนตัว aretrained . ข้อผิดพลาด etof การทำนายผลรวมอนุกรม G ( t ) คือ obtainedwhen T อ่อนแอ ( ฝึก [ 14 ] ดังนั้นการทำนายน้ำหนัก atcan อนุกรมถูกคำนวณโดย followingequation :