With ANNs, there is no need to begi

With ANNs, there is no need to begin with an a priori model; nor is there a need to identify all the required variables beforehand. Artificial neural networks have also facilitated the combination of input types (e.g. binary and continuous) and they are potentially advantageous in modelling biological processes that are often characterized as highly non-linear (Lacroix et al., 1995).

ผลลัพธ์ (ไทย) 1:

ANNs มีไม่จำเป็นต้องเริ่มต้น ด้วยการเป็น priori รุ่น ไม่มีความจำเป็นในการระบุตัวแปรที่จำเป็นทั้งหมดก่อน เครือข่ายประสาทเทียมมีอำนวยความสะดวกการรวมกันของชนิดการป้อนข้อมูล (เช่นไบนารี และต่อเนื่อง) และพวกเขาอาจเป็นประโยชน์ในการสร้างแบบจำลองกระบวนการทางชีวภาพที่มักจะมีลักษณะเป็นสูงไม่ใช่เชิงเส้น (Lacroix et al. 1995)

ผลลัพธ์ (ไทย) 2:

ด้วย ANNs ไม่มีความจำเป็นที่จะเริ่มต้นด้วยการเบื้องต้นรูปแบบ; หรือมีความจำเป็นต้องระบุตัวแปรทั้งหมดที่จำเป็นก่อน เครือข่ายประสาทเทียมได้อำนวยความสะดวกนอกจากนี้ยังมีการรวมกันของรูปแบบการใส่ (เช่นไบนารีและต่อเนื่อง) และพวกเขามีข้อได้เปรียบในการสร้างแบบจำลองกระบวนการทางชีวภาพที่มักจะมีความโดดเด่นเป็นอย่างสูงที่ไม่ใช่เชิงเส้นที่อาจเกิดขึ้น (Lacroix et al., 1995)

ผลลัพธ์ (ไทย) 3:

กับแอนน์ ไม่จำเป็นต้องเริ่มต้นด้วย priori แบบจำลอง หรือต้องมีการระบุตัวแปรที่จำเป็นไว้ล่วงหน้า โครงข่ายประสาทเทียมยังมีความสะดวกในการรวมกันของชนิดข้อมูล ( เช่นไบนารีและต่อเนื่อง ) และพวกเขาอาจได้ประโยชน์ในการจำลองกระบวนการทางชีวภาพที่มักจะมีลักษณะไม่เป็นเชิงเส้นอย่างมาก ( ลาครัวซ์ et al . , 1995 )