In this paper, a genetic algorithm

In this paper, a genetic algorithm based dynamic neu-ral network (GADNN) is proposed to preside over both the performance and the complexity of the neural network for training process. This method provides the opportunity of checking different weights, biases, number of hidden lay-ers, number of nodes and selected inputs during the search process. Therefore, it has the chance to find an effective model with less prediction error and less complexity.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เครือข่ายแบบไดนามิกตาม ral neu อัลกอริทึมทางพันธุกรรม (GADNN) จะเสนอให้นายกทั้งประสิทธิภาพและความซับซ้อนของเครือข่ายประสาทสำหรับการฝึกอบรม วิธีนี้มีโอกาสตรวจสอบน้ำหนักแตกต่างกัน ยอม จำนวนสกู๊ปวางซ่อน หมายเลขของโหนดและเลือกอินพุตในระหว่างกระบวนการค้นหา ดังนั้น มันมีโอกาสที่จะพบแบบจำลองผล มีข้อผิดพลาดน้อยกว่าการคาดเดา และ ไม่ซับซ้อน

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เป็นขั้นตอนวิธีพันธุกรรมเครือข่าย neu-RAL แบบไดนามิก (GADNN) จะเสนอให้ประธานในที่ทั้งประสิทธิภาพและความซับซ้อนของเครือข่ายประสาทสำหรับกระบวนการฝึกอบรม วิธีการนี​​้จะให้โอกาสในการตรวจสอบน้ำหนักที่แตกต่างกันทำให้เกิดอคติจำนวนซ่อน ERS-นอนจำนวนโหนดและปัจจัยการผลิตที่เลือกในระหว่างขั้นตอนการค้นหา ดังนั้นจึงมีโอกาสที่จะหารูปแบบที่มีประสิทธิภาพด้วยความผิดพลาดน้อยกว่าการคาดการณ์และความซับซ้อนน้อยกว่า

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ , ขั้นตอนวิธีเชิงพันธุกรรมแบบไดนามิก Neu RAL จากเครือข่าย ( gadnn ) เสนอเป็นประธานทั้งประสิทธิภาพและความซับซ้อนของโครงข่ายประสาทเทียมสำหรับการฝึกอบรม วิธีนี้มีโอกาสของการตรวจสอบน้ำหนักแตกต่างกัน biases , จํานวนของ ERS วางซ่อนโหนดที่เลือกและปัจจัยในกระบวนการค้นหา ดังนั้นมันมีโอกาสที่จะหารูปแบบที่เหมาะสมกับการพยากรณ์ผิดพลาดน้อยลงและความซับซ้อนน้อยลง