Chapter SummaryWe have now reviewed

Chapter Summary
We have now reviewed the main issues encountered when combining predictors in groups.
We first introduced the Supervised Learning problem and described the multilayer perceptron, the predictor to be used in this thesis. We then reviewed some of the methods for
combining a given set of predictors, followed by a summary of architectures for learning the
predictors that are to be combined. Among these architectures is the paradigm of ensemble
learning, where each predictor attempts to solve the same problem and errors can potentially be reduced by averaging their predictions. Many of these techniques will be described
in more detail in a taxonomy we propose in the next chapter.

ผลลัพธ์ (ไทย) 2:

ข้อมูลอย่างบทที่เราได้ตรวจสอบในขณะนี้ประเด็นหลักที่พบเมื่อรวมพยากรณ์ในกลุ่ม.
ก่อนอื่นเราแนะนำปัญหาการเรียนรู้ภายใต้การควบคุมและอธิบายหลาย Perceptron, ทำนายที่จะนำมาใช้ในงานวิจัยนี้ จากนั้นเราจะทบทวนบางส่วนของวิธีการสำหรับการรวมชุดที่กำหนดของการพยากรณ์ตามด้วยบทสรุปของสถาปัตยกรรมสำหรับการเรียนรู้การพยากรณ์ที่จะทำงานร่วมกัน ท่ามกลางสถาปัตยกรรมเหล่านี้เป็นกระบวนทัศน์ของชุดการเรียนรู้ที่แต่ละทำนายความพยายามที่จะแก้ปัญหาเดียวกันข้อผิดพลาดที่อาจเกิดขึ้นและจะลดลงโดยเฉลี่ยการคาดการณ์ของพวกเขา หลายเทคนิคเหล่านี้จะได้รับการอธิบายในรายละเอียดในอนุกรมวิธานเรานำเสนอในบทต่อไป

ผลลัพธ์ (ไทย) 3:

บทสรุป
ตอนนี้เราได้ตรวจสอบปัญหาหลักที่พบคือ เมื่อรวมในกลุ่ม
เราแรกเปิดตัวดูแลปัญหาการเรียนและอธิบายเพอร์เซปตรอนหลายชั้น , ตัวแปรที่จะใช้ในวิทยานิพนธ์นี้ จากนั้นเราจะตรวจสอบบางส่วนของวิธีการ
รวมกำหนดตัวแปรตาม โดยสรุปของสถาปัตยกรรมเพื่อการเรียนรู้
พยากรณ์ว่า จะรวม ระหว่างสถาปัตยกรรมเหล่านี้คือ กระบวนทัศน์ของการเรียนรู้
วงดนตรีที่แต่ละตัว พยายามที่จะแก้ปัญหาและข้อผิดพลาดเดียวกันอาจจะลดลงโดยเฉลี่ยการคาดการณ์ของพวกเขา หลายของเทคนิคเหล่านี้จะอธิบายในรายละเอียดเพิ่มเติมในอนุกรมวิธาน
เราเสนอในบทต่อไป