ANN is a mathematical model of huma

ANN is a mathematical model of human perception
that can be trained to perform a particular task
based on available empirical data. Particularly, when
the relationships between data are unknown, the
ANN can efficiently establish their underlying connections.
There exist many ANN variants, which can be
categorized into 6 architectures, i.e., Multi Layer Perceptron
(MLP), Radial Basis Function (RBF), Learning
Vector Quantization (LVQ), Adaptive Resonance
Theory (ART), Auto-Associative NNs and Self Organizing
Map (SOM) [18-22]. This study focuses particularly
on MLP and RBF types

ผลลัพธ์ (ไทย) 1:

แอนเป็นแบบจำลองทางคณิตศาสตร์ของการรับรู้ของมนุษย์ที่สามารถถูกฝึกให้ทำงานเฉพาะตามข้อมูลประจักษ์ โดยเฉพาะอย่างยิ่ง เมื่อความสัมพันธ์ระหว่างข้อมูลไม่รู้จัก การแอนได้อย่างมีประสิทธิภาพสามารถสร้างการเชื่อมต่อแบบมีอยู่หลายแอนย่อย ซึ่งสามารถแบ่งเป็น 6 สถาปัตยกรรม เช่น หลายชั้นเพอร์เซปตรอน(MLP), ฟังก์ชันฐานรัศมี (RBF) เรียนรู้เวกเตอร์ Quantization (LVQ), การสั่นพ้องแบบอะแดปทีฟทฤษฎี (ศิลปะ), NNs แบบจับคู่อัตโนมัติและจัดระเบียบด้วยตนเองแผนที่ (ส้ม) [18-22] การศึกษานี้มุ่งเน้นโดยเฉพาะชนิด MLP และ RBF

ผลลัพธ์ (ไทย) 2:

ANN เป็นแบบจำลองทางคณิตศาสตร์ของการรับรู้ของมนุษย์ที่สามารถผ่านการฝึกอบรมในการดำเนินงานเฉพาะขึ้นอยู่กับข้อมูลเชิงประจักษ์ที่มีอยู่ โดยเฉพาะอย่างยิ่งเมื่อความสัมพันธ์ระหว่างข้อมูลที่ไม่เป็นที่รู้จักของแอนอย่างมีประสิทธิภาพสามารถสร้างการเชื่อมต่อพื้นฐานของพวกเขา. มีหลายสายพันธุ์แอนอยู่ซึ่งสามารถแบ่งออกเป็น 6 สถาปัตยกรรมเช่นหลายชั้น Perceptron (MLP) Radial ฟังก์ชั่นพื้นฐาน (RBF), การเรียนรู้เวกเตอร์วอน (LVQ) Adaptive Resonance ทฤษฎี (ART), อัตโนมัติและเชื่อมโยง NNs ตนเองจัดงานแผนที่ (SOM) [18-22] การศึกษาครั้งนี้มุ่งเน้นโดยเฉพาะอย่างยิ่งใน MLP และประเภท RBF

ผลลัพธ์ (ไทย) 3:

มีแบบจำลองทางคณิตศาสตร์ของ
การรับรู้ของมนุษย์ที่สามารถฝึกฝนเพื่อดําเนินงานโดยเฉพาะ
บนพื้นฐานของข้อมูลเชิงประจักษ์ที่มีอยู่ โดยเฉพาะอย่างยิ่ง เมื่อความสัมพันธ์ระหว่างข้อมูล

ไม่รู้แอนได้อย่างมีประสิทธิภาพสามารถสร้างต้นแบบของการเชื่อมต่อ .
มีอยู่หลากหลายแบบ ซึ่งสามารถแบ่งออกเป็น 6

หลายชั้นสถาปัตยกรรม ได้แก่ ธรรมดา ( MLP )เรเดียลเบซิสฟังก์ชัน ( RBF ) , การเรียนรู้
quantization เวกเตอร์ ( lvq ) ทฤษฎี
เรโซแนนซ์แบบปรับตัว ( ศิลปะ ) โดยอัตโนมัติเชื่อมโยงด้วยตนเอง และการจัด nns
แผนที่ ( ส้ม ) [ 18-22 ] การศึกษานี้มุ่งเน้นโดยเฉพาะอย่างยิ่งใน MLP
และประเภทฐาน