Over the past years, the demand of

Over the past years, the demand of Artificial Neural Network (ANN) training in many areas has been grow-ing [1,4,5,14]. The main reason is the nonlinearity of the artificial neural network. Selection of the proper weights, number of layers and nodes in each layer is the most chal-lenging issue in ANN models. The number of layers and nodes affect the complexity of ANN model and therefore increasing the difficulty for the training process. In this case an economical ANN is required, because a very small network may not be able to characterize the real state due to its limited potential, while for a huge network besides making its process complex, it may provide noise in the training data and therefore fail to present its superior capability.

ผลลัพธ์ (ไทย) 1:

ปีผ่านมา ความต้องการของการฝึกอบรมประดิษฐ์ประสาทเครือข่าย (แอน) ในหลายพื้นที่ได้รับการเติบโต-ing [1,4,5,14] เหตุผลหลักคือ nonlinearity ของเครือข่ายประสาทเทียม เลือกน้ำหนักที่เหมาะสม จำนวนชั้นและโหนดในแต่ละชั้นเป็นปัญหาสุด chal lenging รุ่นแอน จำนวนชั้นและโหนดส่งผลต่อความซับซ้อนของรูปแบบแอนและจึง เพิ่มความยากลำบากในการฝึกอบรม ในกรณีนี้ การแอนประหยัดจำเป็น เนื่องจากเครือข่ายขนาดเล็กมากอาจไม่สามารถลักษณะของสถานะแท้จริงเนื่องจากศักยภาพจำกัด สำหรับเครือข่ายขนาดใหญ่นอกจากทำให้กระบวนการซับซ้อน มันอาจให้ข้อมูลฝึกอบรม และจึง ไม่สามารถแสดงความสามารถของห้อง

ผลลัพธ์ (ไทย) 2:

กว่าปีที่ผ่านมาความต้องการของเครือข่ายประสาทเทียม (ANN) การฝึกอบรมในหลายพื้นที่ที่ได้รับการเติบโตไอเอ็นจี [1,4,5,14] เหตุผลหลักคือไม่เป็นเชิงเส้นของโครงข่ายประสาทเทียม การเลือกน้ำหนักที่เหมาะสมจำนวนชั้นและโหนดในแต่ละชั้นเป็นส่วนใหญ่ปัญหา Chal-lenging ในรูปแบบแอน จำนวนชั้นและโหนดส่งผลกระทบต่อความซับซ้อนของรูปแบบแอนและดังนั้นจึงเพิ่มความยากสำหรับกระบวนการฝึกอบรม ในกรณีนี้ ANN ประหยัดเป็นสิ่งจำเป็นเพราะเครือข่ายขนาดเล็กมากอาจจะไม่สามารถที่จะอธิบายลักษณะรัฐที่แท้จริงเกิดจากการที่มีศักยภาพ จำกัด ในขณะที่สำหรับเครือข่ายขนาดใหญ่นอกเหนือจากการทำให้กระบวนการที่ซับซ้อนก็อาจให้เสียงในข้อมูลการฝึกอบรมและดังนั้นจึง ล้มเหลวที่จะนำเสนอความสามารถที่เหนือกว่า

ผลลัพธ์ (ไทย) 3:

กว่าปีที่ผ่านมา ความต้องการของโครงข่ายประสาทเทียม ( ANN ) การฝึกอบรมในหลายพื้นที่มีการเติบโต 1,4,5,14 ไอเอ็นจี [ ] เหตุผลหลักคือ ค่าของโครงข่ายประสาทเทียม การเลือกน้ำหนักที่เหมาะสม จำนวนโหนดในชั้นและแต่ละชั้น เป็นปัญหามากที่สุด lenging ค่ะแอน รุ่นจำนวนชั้นและโหนดมีผลต่อความซับซ้อนของแอน รูปแบบและดังนั้นจึง เพิ่มความยากในกระบวนการฝึกอบรม ในกรณีนี้ การประหยัด แอน เป็นสิ่งจำเป็น เพราะเครือข่ายขนาดเล็กมาก อาจจะไม่สามารถที่จะอธิบายสภาพที่แท้จริง เนื่องจากมีศักยภาพจำกัด ขณะที่เครือข่ายขนาดใหญ่ นอกจากจะทำให้กระบวนการที่ซับซ้อนมันอาจมีสัญญาณรบกวนในข้อมูลการฝึกอบรมและดังนั้นจึงไม่เสนอความสามารถที่เหนือกว่า