In this proposed model, back propag

In this proposed model, back propagation algorithm of neural
network is replaced by PSO algorithm. Here the randomly generated
weights are assigned in each link of neural network. In particle
swarm optimization algorithm, PBest is the location of the best
solution of a particle has achieved so far. GBest is the location of
the best solution that any neighbor of a particle has achieved so
far. Initially random numbers are generated for each particle and
these random values are considered as PBest and present weights.
Velocity is calculated using Eq. (6) and added with the present
weight in each link of neural network. For each particle, the newly
calculated weights are compared with the PBest weights and the
minimum error produced weights are stored in PBest. Initial velocity
V is assumed to be 1 and GBest is the weights of minimum error
produced particle. New weight is calculated as in Eq. (7).

ผลลัพธ์ (ไทย) 1:

ในรูปแบบนี้เสนอ กลับเผยแพร่อัลกอริทึมของประสาทเครือข่ายจะถูกแทนที่ โดยอัลกอริทึม PSO ที่นี่สร้างขึ้นแบบสุ่มมีกำหนดน้ำหนักในแต่ละการเชื่อมโยงของโครงข่ายประสาท ในอนุภาคฝูงปรับอัลกอริทึม PBest เป็นสถานที่ดีที่สุดของอนุภาคได้รับเพื่อให้ห่างไกล GBest เป็นที่ตั้งของโซลูชั่นดีที่เพื่อนบ้านใด ๆ ของอนุภาคได้รับนั้นห่างไกล สร้างเลขสุ่มเริ่มต้นสำหรับแต่ละอนุภาค และค่าสุ่มเหล่านี้ถือเป็น PBest และน้ำหนักปัจจุบันความเร็วจะถูกคำนวณโดยใช้ Eq. (6) และเพิ่ม ด้วยปัจจุบันน้ำหนักในแต่ละการเชื่อมโยงของโครงข่ายประสาท สำหรับแต่ละอนุภาค แบบใหม่คำนวณน้ำหนักเมื่อเทียบกับน้ำหนัก PBest และข้อผิดพลาดน้อยที่สุดเก็บน้ำหนักผลิตใน PBest ความเร็วเริ่มต้นV จะถือ 1 และ GBest เป็นน้ำหนักของข้อผิดพลาดน้อยที่สุดอนุภาคที่ผลิต มีคำนวณน้ำหนักใหม่ใน Eq. (7)

ผลลัพธ์ (ไทย) 2:

ในรูปแบบที่นำเสนอนี้กลับขั้นตอนวิธีการขยายพันธุ์ของประสาท
เครือข่ายจะถูกแทนที่ด้วยขั้นตอนวิธี PSO นี่คือการสร้างแบบสุ่ม
น้ำหนักที่ได้รับมอบหมายในแต่ละการเชื่อมโยงของเครือข่ายประสาท ในอนุภาค
ขั้นตอนวิธีการเพิ่มประสิทธิภาพจับกลุ่ม PBest เป็นสถานที่ที่ดีที่สุดใน
การแก้ปัญหาของอนุภาคได้ประสบความสำเร็จเพื่อให้ห่างไกล gbest เป็นที่ตั้งของ
การแก้ปัญหาที่ดีที่สุดที่เพื่อนบ้านของอนุภาคใด ๆ ที่ได้ประสบความสำเร็จเพื่อให้
ห่างไกล ตอนแรกตัวเลขสุ่มจะถูกสร้างขึ้นสำหรับแต่ละอนุภาคและ
ค่าสุ่มเหล่านี้ถือว่าเป็น PBest และน้ำหนักปัจจุบัน.
Velocity คำนวณโดยใช้สมการ (6) และเพิ่มกับปัจจุบัน
น้ำหนักในการเชื่อมโยงของเครือข่ายประสาทแต่ละ สำหรับอนุภาคแต่ละใหม่
น้ำหนักจะคำนวณเทียบกับน้ำหนัก PBest และ
ข้อผิดพลาดขั้นต่ำผลิตน้ำหนักจะถูกเก็บไว้ใน PBest ความเร็วเริ่มต้น
V จะถือว่าเป็นที่ 1 และ gbest เป็นน้ำหนักของข้อผิดพลาดน้อยที่สุด
ผลิตอนุภาค น้ำหนักใหม่ล่าสุดที่มีการคำนวณเช่นเดียวกับในสมการ (7)

ผลลัพธ์ (ไทย) 3:

ในแบบจำลอง , back propagation ขั้นตอนวิธีของเครือข่ายประสาทขั้นตอนวิธี
ถูกแทนที่ด้วยระบบ . ที่นี่สร้างขึ้น
สุ่มน้ำหนักได้รับมอบหมายในแต่ละการเชื่อมโยงโครงข่ายประสาทเทียม . ในอนุภาค Swarm Optimization
ขั้นตอนวิธี pbest เป็นที่ตั้งของโซลูชั่นที่ดีที่สุด
ของอนุภาคได้รับเพื่อให้ห่างไกล gbest เป็นที่ตั้งของ
ทางออกที่ดีที่สุดที่เพื่อนบ้านของอนุภาคได้รับดังนั้น
ไกลตัวเลขสุ่มเริ่มต้นถูกสร้างขึ้นสำหรับแต่ละอนุภาคและ
ค่าสุ่ม เหล่านี้ถือว่าเป็น pbest และน้ำหนักปัจจุบัน
ความเร็วคำนวณโดยใช้อีคิว ( 6 ) และเสริมด้วยน้ำหนักปัจจุบัน
ในแต่ละการเชื่อมโยงโครงข่ายประสาทเทียม . สำหรับแต่ละอนุภาคใหม่
คำนวณน้ำหนักเทียบกับน้ำหนัก pbest และข้อผิดพลาดน้อยที่สุด
ผลิตน้ำหนักจะถูกเก็บไว้ใน pbest .
ความเร็วเริ่มต้นวี จะถือว่าเป็น 1 และ gbest คือน้ำหนักของข้อผิดพลาดน้อยที่สุด
ผลิตอนุภาค น้ำหนักใหม่คำนวณในอีคิว ( 7 )