In this paper, a genetic algorithm

In this paper, a genetic algorithm based dynamic neural network (GADNN) is proposed to preside over both the performance and the complexity of the neural network for training process. This method provides the opportunity of checking different weights, biases, number of hidden layers, number of nodes and selected inputs during the search process. Therefore, it has the chance to find an effective model with less prediction error and less complexity.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ การตามขั้นตอนวิธีพันธุกรรมแบบโครงข่ายประสาท (GADNN) นำเสนอนายกทั้งประสิทธิภาพและความซับซ้อนของเครือข่ายประสาทสำหรับการฝึกอบรม วิธีนี้มีโอกาสตรวจสอบน้ำหนักแตกต่างกัน ยอม จำนวนชั้นที่ซ่อนอยู่ หมายเลขของโหนดและเลือกอินพุตในระหว่างกระบวนการค้นหา ดังนั้น มันมีโอกาสที่จะพบแบบจำลองผล มีข้อผิดพลาดน้อยกว่าการคาดเดา และ ไม่ซับซ้อน

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เป็นขั้นตอนวิธีพันธุกรรมตามเครือข่ายประสาทแบบไดนามิก (GADNN) จะเสนอให้ประธานในที่ทั้งประสิทธิภาพและความซับซ้อนของเครือข่ายประสาทสำหรับกระบวนการฝึกอบรม วิธีการนี​​้จะให้โอกาสในการตรวจสอบน้ำหนักที่แตกต่างกันทำให้เกิดอคติจำนวนชั้นที่ซ่อนอยู่จำนวนโหนดและปัจจัยการผลิตที่เลือกในระหว่างขั้นตอนการค้นหา ดังนั้นจึงมีโอกาสที่จะหารูปแบบที่มีประสิทธิภาพด้วยความผิดพลาดน้อยกว่าการคาดการณ์และความซับซ้อนน้อยกว่า

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ , ขั้นตอนวิธีเชิงพันธุกรรมแบบไดนามิกโดยใช้โครงข่ายประสาทเทียม ( gadnn ) เสนอเป็นประธานทั้งประสิทธิภาพและความซับซ้อนของโครงข่ายประสาทเทียมสำหรับการฝึกอบรม วิธีนี้มีโอกาสของการตรวจสอบน้ำหนักแตกต่างกัน biases , จำนวนชั้นซ่อนโหนดที่เลือกและปัจจัยในกระบวนการค้นหา ดังนั้นมันมีโอกาสที่จะหารูปแบบที่เหมาะสมกับการพยากรณ์ผิดพลาดน้อยลงและความซับซ้อนน้อยลง