A more sophisticated neuron is the

A more sophisticated neuron is the McCulloch and Pitts model (MCP). The difference from the previous
model is that the inputs are ‘weighted’; the effect that each input has at decision making is dependent on
the weight of the particular input. The weight of an input is a number which when multiplied with the
input gives the weighted input. These weighted inputs are then added together and if they exceed a preset
threshold value, the neuron fires. In any other case the neuron does not fire.
In mathematical terms, the neuron fires if and only if; the
addition of input weights and of the threshold makes this neuron
a very flexible and powerful one. The MCP neuron has the ability
to adapt to a particular situation by changing its weights and/or
threshold. Various algorithms exist that cause the neuron to
'adapt'; the most used ones are the Delta rule and the back error
propagation. The former is used in feed-forward networks and the
latter in feedback networks.
4 Architecture of neural networks
4.1 Feed-forward networks
Feed-forward ANNs allow signals to travel one way only; from input to output.
There is no feedback (loops) i.e. the output of any layer does not affect that same
layer. Feed-forward ANNs tend to be straight forward networks that associate inputs
with outputs. They are extensively used in pattern recognition. This type of
organization is also referred to as bottom-up or top-down.

ผลลัพธ์ (ไทย) 1:

เซลล์ประสาทมีความซับซ้อนมากขึ้นเป็นรุ่น McCulloch และ Pitts (MCP) ความแตกต่างจากก่อนหน้านี้แบบจำลองไม่ว่า อินพุตจะ 'เน้น' ผลว่า มีการป้อนข้อมูลแต่ละที่ตัดสินใจจะขึ้นอยู่กับน้ำหนักของการป้อนข้อมูลเฉพาะ น้ำหนักของการป้อนข้อมูลเป็นตัวเลขซึ่งเมื่อคูณด้วยการป้อนข้อมูลให้ป้อนข้อมูลน้ำหนัก มีอินพุตเหล่านี้ถ่วงน้ำหนักเพิ่ม แล้ว ถ้าเกินค่าที่ตั้งไว้ขีดจำกัดค่า เซลล์ประสาทยิง ในกรณีอื่นๆ ไม่ยิงเซลล์ประสาทในแง่คณิตศาสตร์ เซลล์ประสาทยิงถ้า และถ้า การนอกจากนี้สำหรับการป้อนค่าน้ำหนัก และเกณฑ์การทำให้เซลล์ประสาทนี้หนึ่งยืดหยุ่น และมีประสิทธิภาพมากขึ้น เซลล์ประสาท MCP มีความสามารถการปรับตัวกับสถานการณ์ที่เฉพาะ โดยการเปลี่ยนน้ำหนักตัว หรือขีดจำกัด มีอัลกอริทึมต่าง ๆ ที่ทำให้เซลล์ประสาทไป'ปรับตัว' คนใช้มากที่สุดเป็นกฎเดลต้าและข้อผิดพลาดหลังการเผยแพร่ อดีตใช้ในเครือข่ายส่งต่อฟีดและหลังในเครือข่ายความคิดเห็น4 สถาปัตยกรรมของเครือข่ายประสาท4.1 ไปฟีดเครือข่ายส่งต่อฟีด ANNs ให้สัญญาณการเดินทางในเที่ยวเดียว ป้อนข้อมูลการแสดงผลมีที่เดียวไม่มีผลป้อนกลับ (ลูป) เช่นการแสดงผลของเลเยอร์ใด ๆ ไม่มีผลชั้น ANNs ฟีดไปมักจะ เป็นไปข้างหน้าตรงเครือข่ายที่เชื่อมโยงปัจจัยการผลิตกับผลการ พวกเขาจะใช้อย่างกว้างขวางในการรู้จำแบบ ชนิดนี้องค์กรเรียกอีกอย่างว่าสายล่างหรือบนลงล่าง

ผลลัพธ์ (ไทย) 2:

เซลล์ประสาทที่มีความซับซ้อนมากขึ้นเป็น McCulloch และพิตส์ Model (MCP) ความแตกต่างจากก่อนหน้านี้
เป็นรุ่นที่ปัจจัยการผลิตที่มีการถ่วงน้ำหนัก '; ผลกระทบที่แต่ละการป้อนข้อมูลที่มีการตัดสินใจขึ้นอยู่กับ
น้ำหนักของการป้อนข้อมูลโดยเฉพาะอย่างยิ่ง น้ำหนักของการป้อนข้อมูลเป็นจำนวนซึ่งเมื่อคูณกับ
การป้อนข้อมูลจะช่วยให้การป้อนข้อมูลถ่วงน้ำหนัก ปัจจัยการผลิตเหล่านี้จะมีการเพิ่มถ่วงน้ำหนักแล้วร่วมกันและถ้าพวกเขาเกินกว่าที่ตั้งไว้ล่วงหน้า
ค่าเกณฑ์ไฟเซลล์ประสาท ในกรณีอื่นใดที่เซลล์ประสาทไม่ทำงาน.
ในแง่ทางคณิตศาสตร์ไฟเซลล์ประสาทและถ้าหาก;
การเพิ่มของน้ำหนักการป้อนข้อมูลและเกณฑ์ทำให้เซลล์ประสาทนี้
มีความยืดหยุ่นมากและมีประสิทธิภาพอย่างใดอย่างหนึ่ง เซลล์ประสาท MCP มีความสามารถในการ
ปรับตัวเข้ากับสถานการณ์โดยเฉพาะอย่างยิ่งการเปลี่ยนแปลงน้ำหนักและ / หรือของ
เกณฑ์ กลไกต่างๆที่มีอยู่ที่ก่อให้เกิดเซลล์ประสาทเพื่อ
'ปรับตัว'; คนที่ใช้มากที่สุดคือกฎเดลต้าและความผิดพลาดกลับมา
ขยายพันธุ์ อดีตคือใช้ในเครือข่ายฟีดไปข้างหน้าและ
หลังในเครือข่ายข้อเสนอแนะ.
4 สถาปัตยกรรมของเครือข่ายประสาท
4.1 เครือข่ายฟีดไปข้างหน้า
ANNs ฟีดไปข้างหน้าช่วยให้สัญญาณในการเดินทางวิธีหนึ่งเท่านั้น จากการป้อนข้อมูลการส่งออก.
ไม่มีความคิดเห็น (ลูป) คือการส่งออกของชั้นใด ๆ ไม่ได้ส่งผลกระทบต่อว่าเช่นเดียวกับ
ชั้น ANNs ฟีดไปข้างหน้ามีแนวโน้มที่จะตรงไปตรงมาเครือข่ายที่เชื่อมโยงปัจจัยการผลิต
ที่มีผล พวกเขาจะใช้อย่างกว้างขวางในการจดจำรูปแบบ ประเภทนี้
องค์กรยังจะเรียกว่าเป็นจากล่างขึ้นบนหรือจากบนลงล่าง

ผลลัพธ์ (ไทย) 3:

เป็นเซลล์ประสาทที่ซับซ้อนมากขึ้นเป็นไหล่พิตส์แบบ ( MCP ) แตกต่างจากเดิมรูปแบบคือ กระผมมี " น้ำหนัก " ; ผลที่ได้ในแต่ละข้อมูลจะขึ้นอยู่กับการตัดสินใจน้ำหนักของข้อมูลโดยเฉพาะ น้ำหนักใส่เป็นจำนวนที่เมื่อคูณกับใส่ให้ใส่น้ำหนัก . กระผมหนักเหล่านี้จะเพิ่มเข้าด้วยกัน และถ้าพวกเขาเกินที่ตั้งไว้ค่าเกณฑ์ , เซลล์ไฟ ในกรณีใด ๆอื่น ๆ เซลล์ไม่ยิงในทางคณิตศาสตร์ , เซลล์ไฟถ้าและเพียงถ้า ;เพิ่มน้ำหนักการป้อนข้อมูลและธรณีประตูทำให้เซลล์ประสาทนี้มีความยืดหยุ่นมากและมีประสิทธิภาพ . เซลล์ประสาทที่ MCP มีความสามารถเพื่อปรับให้เข้ากับสถานการณ์ที่เฉพาะเจาะจง โดยการเปลี่ยนแปลงของน้ำหนักและ / หรือเกณฑ์ ขั้นตอนวิธีการต่าง ๆ ที่มีอยู่ที่เป็นสาเหตุให้เซลล์ประสาท" ปรับ " ; ที่ใช้มากที่สุดคือ เดลต้า กฎและข้อผิดพลาดกลับขยายพันธุ์โดยการเพาะเมล็ด อดีตคือใช้ในเครือข่าย feed-forward และหลังในเครือข่ายความคิดเห็น4 สถาปัตยกรรมของโครงข่ายประสาทเทียม4.1 ให้เครือข่ายไปข้างหน้าดึงไปข้างหน้าทางให้สัญญาณเดินทางวิธีหนึ่งเท่านั้น จากการป้อนข้อมูลเพื่อส่งออกไม่มีความคิดเห็น ( ลูป ) คือผลผลิตของชั้นจะไม่ส่งผลกระทบต่อเดียวกันชั้น อาหารทางข้างหน้า มีแนวโน้มที่จะตรงไปข้างหน้าที่ปัจจัยเชื่อมโยงเครือข่ายกับผลผลิต พวกเขาจะใช้อย่างกว้างขวางในรูปแบบ . ประเภทนี้ขององค์กรจะยังเรียกว่าจากล่างขึ้นบน หรือจากบนลงล่าง .