Several training algorithms, viz.,

Several training algorithms, viz., (i) gradient descent algorithm with adaptive learning rate; (ii) Fletcher–Reeves conjugate gradient algorithm; (iii) Polak–Ribiére conjugate gradient algorithm; (iv) Powell–Beale conjugate gradient algorithm; (v) Quasi-Newton algorithm with Broyden, Fletcher, Goldfarb, and Shanno (BFGS) update; and (vi) Levenberg–Marquardt algorithm with Bayesian regularization; along with various network architectural parameters, i.e., data partitioning strategy, initial synaptic weights, number of hidden layers, number of neurons in each hidden layer, activation functions, regularization factor, etc., are experimentally investigated to arrive at the best model for predicting the FLMY305.

ผลลัพธ์ (ไทย) 1:

หลายขั้นตอนวิธีการฝึกอบรม ได้แก่, (i) อัลกอริทึมโคตรไล่ระดับ มีอัตราการเรียนรู้ที่เหมาะสม (ii) เฟล็ทเชอร์ – รีฟส์ค้นขั้นตอนวิธีการไล่ระดับสี (iii) Polak – Ribiére conjugate ไล่ระดับอัลกอริทึม (iv) พาวเวลล์ – Beale conjugate ไล่ระดับอัลกอริทึม (v) อัลกอริทึมวนอุทยานนิวตัน Broyden เฟล็ทเชอร์ Goldfarb และ Shanno (BFGS) ปรับปรุง และ (vi) อัลกอริทึม Levenberg – Marquardt กับทฤษฎี regularization พร้อมกับพารามิเตอร์สถาปัตยกรรมเครือข่ายที่หลากหลาย เช่น พาร์กลยุทธ์ น้ำหนักผู้เริ่มต้น หมายเลขชั้นที่ซ่อนอยู่ จำนวนของเซลล์ประสาทในแต่ละชั้นที่ซ่อนอยู่ ข้อมูลเปิดใช้งานฟังก์ชัน ปัจจัย regularization ฯลฯ มีสมมติฐานตรวจสอบเข้าที่แบบที่ดีที่สุดสำหรับทำนายการ FLMY305

ผลลัพธ์ (ไทย) 2:

ขั้นตอนวิธีการฝึกอบรมหลาย ได้แก่ (i) ขั้นตอนวิธีการไล่ระดับสีโคตรมีอัตราการเรียนรู้การปรับตัว. (ii) คอนจูเกตเฟลทเชอร์รีฟส์-ขั้นตอนวิธีการไล่ระดับสี; (iii) ขั้นตอนวิธีการไล่ระดับสีผัน Polak-Ribiére; (iv) คอนจูเกตพาวเวล-บีลอ์ขั้นตอนวิธีการไล่ระดับสี; (V) ขั้นตอนวิธีกึ่งนิวตันกับ Broyden เฟลทเชอร์, ดาลและ Shanno (BFGS) ปรับปรุง; และ (vi) อัลกอริทึม Levenberg-Marquardt กับกูเบย์; พร้อมกับพารามิเตอร์สถาปัตยกรรมเครือข่ายต่างๆเช่นกลยุทธ์การแบ่งข้อมูล synaptic น้ำหนักเริ่มต้นจำนวนชั้นซ่อนจำนวนของเซลล์ประสาทในแต่ละชั้นที่ซ่อนอยู่ในฟังก์ชั่นการเปิดใช้งาน regularization ปัจจัยอื่น ๆ ที่มีการตรวจสอบการทดลองที่จะมาถึงรูปแบบที่ดีที่สุดในการทำนาย FLMY305