Fig.1. The architecture of the MLP

Fig.1. The architecture of the MLP network (input layer, hidden layer and output layer). The input layer represents the input data (the input data is described in section 4.1). The usage of a hidden layer enables the representation of data sets that are not linearly separable. The output layer represents the classification result. The weights and the threshold of the MLP are calculated during an adaptation process.

ผลลัพธ์ (ไทย) 1:

ภาพการสถาปัตยกรรมของเครือข่าย MLP (ชั้นอินพุต ชั้นซ่อน และชั้นพุ) ชั้นการเข้าถึงข้อมูลป้อนเข้า (ข้อมูลที่ป้อนเข้าจะอธิบายในหัวข้อ 4.1) การใช้ชั้นซ่อนช่วยให้ตัวแทนของชุดข้อมูลที่ไม่ใช่เชิงเส้น separable ชั้นผลลัพธ์แสดงผลการจัดประเภท น้ำหนักและขีดจำกัดของ MLP ที่คำนวณระหว่างกระบวนการปรับตัว

ผลลัพธ์ (ไทย) 2:

รูปที่ 1 สถาปัตยกรรมของเครือข่าย MLP (ชั้นการป้อนชั้นและชั้นที่ซ่อนเอาท์พุท) ชั้นการป้อนข้อมูลหมายถึงข้อมูลเข้า (ข้อมูลของท่านอธิบายไว้ในส่วน 4.1) การใช้งานของชั้นที่ซ่อนช่วยให้ตัวแทนของชุดข้อมูลที่ไม่เป็นเส้นตรงแยกกันไม่ออก การส่งออกชั้นหมายถึงผลการจัดหมวดหมู่ น้ำหนักและเกณฑ์ของ MLP ที่มีการคำนวณในระหว่างขั้นตอนการปรับตัว

ผลลัพธ์ (ไทย) 3:

” . สถาปัตยกรรมของเครือข่าย MLP ( ชั้นใส่เลเยอร์ที่ซ่อนอยู่และชั้นออก ) ใส่ชั้น หมายถึง ข้อมูลที่ป้อน ( ข้อมูลเริ่มต้นที่อธิบายไว้ในส่วนที่ 4.1 ) การใช้เลเยอร์ที่ซ่อนอยู่ช่วยให้เป็นตัวแทนของชุดข้อมูลที่ไม่แบ่งแยกเชิงเส้น . การแสดงผลชั้น หมายถึง ผลการจำแนกน้ำหนักและเกณฑ์ของ MLP ได้ในระหว่างการปรับกระบวนการ