other components can be seen as an

other components can be seen as an indication of the degree
of purely ferroelectric switching in those regions, as
opposed to other components that appear to result from
dominating influences by surface charges, polar nanoregions,
or field-induced phase transformations. For instance,
the first component appears largest in the top-left
corner of the region studied (Figure 6a), and the coercive
fields for this component are much lower, possibly due to
the increased propensity of field-induced phase transformations
(likely rhombohedral to tetragonal [67]) in this
area. Thus, ICA is a highly useful method for blind source
separation and provides a powerful method accompanying
PCA to de-mix signals where the number of constituent
components is either known from physics or can be
postulated.
Supervised learning
Functional recognition imaging is an example of the supervised
learning approach that employs artificial neural
networks. The process of recognition obviates the need
for sophisticated analytical models, instead relying on
statistical analysis of the complex spectroscopic data
sets. Nikiforov et al. [68] describe functional recognition
imaging of bacterial samples containing live Micrococcus
lysodeikticus and Pseudomonas fluorescens on a poly-Llysine-
coated mica substrate. These bacteria differ in
shape and therefore present a good modeling system for
creating training data sets. The spectroscopic data were
provided by the band excitation PFM method [69,70] in
the form of the electromechanical response vs. excitation

ผลลัพธ์ (ไทย) 1:

คอมโพเนนต์อื่น ๆ สามารถมองเห็นเป็นตัวชี้วัดระดับของแท้จาก ferroelectric สลับในภูมิภาคเหล่านั้น เป็นเทียบกับส่วนประกอบอื่น ๆ ที่ปรากฏผลจากการอิทธิพล dominating โดยพื้นผิวค่า ขั้วโลก nanoregionsหรือการแปลงระยะเกิดฟิลด์ เช่นส่วนประกอบแรกที่ปรากฏในด้านซ้ายมุมของภูมิภาคศึกษา (รูปที่ 6a), และการ coerciveสำหรับคอมโพเนนต์นี้ถูกมาก อาจจากการนิสัยชอบมากขึ้นของฟิลด์ที่เกิดขั้นตอนการแปลง(แนวโน้ม rhombohedral การ tetragonal [67]) ในการนี้ที่ตั้ง ดังนั้น ICA เป็นวิธีมีประโยชน์มากสำหรับคนตาบอดมาการแยกและประกอบเป็นวิธีที่มีประสิทธิภาพPCA ในการยกเลิกผสมสัญญาณจำนวนขององค์ประกอบคอมโพเนนต์อย่างใดอย่างหนึ่งได้ทราบจากฟิสิกส์ หรือสามารถpostulatedเรียนรู้ดูแลภาพการทำงานเป็นตัวอย่างของการดูแลเรียนรู้วิธีการที่ใช้ประดิษฐ์ประสาทเครือข่าย กระบวนการของการรู้จำ obviates ต้องโมเดลการวิเคราะห์ที่ซับซ้อน แทนจริงในการวิเคราะห์ทางสถิติของข้อมูลด้านความซับซ้อนการตั้งค่า Nikiforov et al. [68] อธิบายการทำงานภาพตัวอย่างแบคทีเรีย Micrococcus สดประกอบด้วยlysodeikticus และ Pseudomonas fluorescens บนโพลี-Llysine -เคลือบพื้นผิวแก้ว แบคทีเรียเหล่านี้แตกต่างรูปร่าง และจึง นำเสนอระบบการสร้างโมเดลที่ดีสำหรับสร้างชุดข้อมูลฝึกอบรม ได้ข้อมูลด้านโดยวิธีกระตุ้นวางกรอบโครงการวง [69,70] ในรูปแบบของการตอบสนองการไฟฟ้ากับไฟฟ้า

ผลลัพธ์ (ไทย) 2:

ส่วนประกอบอื่น ๆ สามารถมองเห็นเป็นข้อบ่งชี้ของการศึกษาระดับปริญญาที่
สลับ ferroelectric หมดจดในภูมิภาคเหล่านั้นเช่น
เมื่อเทียบกับส่วนประกอบอื่น ๆ ที่ปรากฏเป็นผลมาจาก
อิทธิพลครอบครองโดยค่าใช้จ่ายที่พื้นผิว nanoregions ขั้วโลก
หรือสาขาที่เหนี่ยวนำให้เกิดการเปลี่ยนแปลงขั้นตอน ยกตัวอย่างเช่น
องค์ประกอบแรกที่ปรากฏที่ใหญ่ที่สุดในบนซ้าย
มุมของภูมิภาคศึกษา (รูปที่ 6a) และบีบบังคับ
ฟิลด์สำหรับส่วนนี้จะต่ำกว่ามากอาจจะเป็นเพราะ
นิสัยชอบที่เพิ่มขึ้นของข้อมูลที่เกิดการเปลี่ยนแปลงขั้นตอน
(น่าจะ rhombohedral ไป tetragonal [67]) ในครั้งนี้
พื้นที่ ดังนั้น ICA เป็นวิธีที่มีประโยชน์อย่างมากสำหรับแหล่งที่มาตาบอด
แยกและมีวิธีการที่มีประสิทธิภาพที่มาพร้อมกับ
PCA ที่จะผสมสัญญาณซึ่งมีจำนวนส่วนประกอบ
ส่วนประกอบเป็นที่รู้จักกันทั้งจากฟิสิกส์หรือสามารถ
ตั้งสมมติฐาน.
ดูแลการเรียนรู้
การถ่ายภาพการรับรู้การทำงานเป็นตัวอย่างของการที่ ภายใต้การดูแล
วิธีการเรียนรู้ที่มีพนักงานประสาทเทียม
เครือข่าย กระบวนการของการรับรู้ obviates ความจำเป็นในการ
หารูปแบบการวิเคราะห์ที่มีความซับซ้อนแทนที่จะอาศัย
การวิเคราะห์ทางสถิติของข้อมูลสเปกโทรสโกซับซ้อน
ชุด Nikiforov et al, [68] อธิบายการรับรู้การทำงาน
การถ่ายภาพของตัวอย่างเชื้อแบคทีเรียที่มี Micrococcus สด
lysodeikticus และ Pseudomonas fluorescens บนโพลี Llysine-
พื้นผิวเคลือบแก้ว แบคทีเรียเหล่านี้แตกต่างกันใน
รูปร่างและจึงนำเสนอระบบการสร้างแบบจำลองที่ดีสำหรับ
การสร้างชุดข้อมูลการฝึกอบรม ข้อมูลสเปกโทรสโกถูก
จัดไว้ให้โดยวิธีการกระตุ้นวง PFM [69,70] ใน
รูปแบบของการตอบสนองของระบบเครื่องกลไฟฟ้ากับการกระตุ้น

ผลลัพธ์ (ไทย) 3:

ส่วนประกอบอื่น ๆสามารถมองเห็นเป็นข้อบ่งชี้ของปริญญาเฟอร์โรอิเล็กทริกของหมดจดสลับในภูมิภาคนั้น เช่นตรงข้ามกับส่วนประกอบอื่น ๆ ที่ปรากฏผลจากที่มีอิทธิพลโดยค่าใช้จ่าย nanoregions พื้นผิวขั้ว ,หรือสาขาที่มีการแปลงเฟส สำหรับอินสแตนซ์ส่วนแรกจะปรากฏขึ้นที่ใหญ่ที่สุดในด้านบนซ้ายมุมของพื้นที่ศึกษา ( รูปที่ 6 ) , และการบังคับเขตข้อมูลสำหรับส่วนนี้จะลดลงมาก อาจเนื่องจากการเพิ่มขึ้นของการเปลี่ยนแปลงเฟสสนามความโน้มเอียง( น่าจะมากกว่าปกติเพื่อเตตระโกนอล [ 67 ] ) ในนี้พื้นที่ ดังนั้นไอซีเป็นวิธีที่มีประโยชน์อย่างมากสำหรับแหล่ง ตาบอดการแยกและให้วิธีที่มีประสิทธิภาพประกอบPCA de ผสมสัญญาณที่จำนวนขององค์ประกอบส่วนประกอบที่เป็นที่รู้จักจาก ฟิสิกส์ หรือ สามารถสรุป .การเรียนรู้แบบมีผู้สอนภาพการรับรู้การทำงานเป็นตัวอย่างของมีวิธีการเรียนรู้ ที่ใช้วิธีโครงข่ายประสาทเทียมเครือข่าย กระบวนการของการรับรู้ของ obviates ความจำเป็นสำหรับโมเดลการวิเคราะห์ที่ซับซ้อน แต่อาศัยการวิเคราะห์ทางสถิติที่ซับซ้อนทางข้อมูลชุด nikiforov et al . [ 68 ] อธิบายการรับรู้การทำงานภาพตัวอย่างของแบคทีเรีย Micrococcus ที่มีอยู่และ lysodeikticus Pseudomonas fluorescens ใน llysine - โพลีแผ่นแก้วเคลือบ แบคทีเรียเหล่านี้แตกต่างกันในรูปร่างและจึงนำเสนอระบบแบบดีการสร้างข้อมูลชุด ข้อมูลทางสเปกโทรสโกปีคือโดยวงดนตรีและฟังวิธีการ [ 69,70 ] ในรูปแบบของการกระตุ้นไฟฟ้า .