In the fourth stage, the best perfo

In the fourth stage, the best performing network obtained in the second stage was retrained on all data to increase the prediction accuracy and
evaluate how well the ANN model characterized the desired behavior. Retraining the network with all datasets is expected to provide
reliable predictions and better accuracy measures. It has been presented through several research studies by Najjar et al.8, 9, 10 that stage
four is recommended to arrive at a better performing network model. The optimal network structures for the static ANN models were
selected based on statistical measures such as mean root square error (MRSE), mean absolute relative error (MARE), and coefficient
of determination (R2). The final architectures of the developed auto-associative networks are listed in Table

ผลลัพธ์ (ไทย) 1:

ในระยะสี่ ดีสุดในการทำเครือข่ายที่ได้รับในขั้นตอนสองเป็น retrained ข้อมูลทั้งหมดเพื่อเพิ่มความแม่นยำในการทำนาย และประเมินว่าดีแบบแอนลักษณะพฤติกรรมที่ต้องการ Retraining เครือข่าย ด้วย datasets ทั้งหมดคาดว่าจะให้คาดคะเนความน่าเชื่อถือและประเมินความถูกต้องดีกว่า มันได้ถูกนำเสนอผ่านหลายการศึกษาวิจัย โดย Najjar et al.8, 9, 10 ที่เวทีสี่จะแนะนำให้มาในรูปแบบเครือข่ายประสิทธิภาพดีกว่า โครงสร้างเครือข่ายที่ดีที่สุดสำหรับรุ่นแอนคงเลือกตามมาตรการทางสถิติเช่นรากเฉลี่ย (MRSE), ตารางข้อผิดพลาดหมายถึง ข้อผิดพลาดสัมพัทธ์สัมบูรณ์ (แมร์), และสัมประสิทธิ์ของการกำหนด (R2) สถาปัตยกรรมสุดท้ายเครือข่ายอัตโนมัติสัมพันธ์พัฒนาแสดงในตาราง

ผลลัพธ์ (ไทย) 2:

ในขั้นตอนที่สี่เครือข่ายที่มีประสิทธิภาพที่ดีที่สุดที่ได้รับในขั้นตอนที่สองได้รับการฝึกอบรมเกี่ยวกับข้อมูลทั้งหมดเพื่อเพิ่มความแม่นยำการคาดการณ์และ
ประเมินวิธีการที่ดีในรูปแบบแอนลักษณะพฤติกรรมที่ต้องการ การฝึกอบรมเครือข่ายที่มีชุดข้อมูลทั้งหมดที่คาดว่าจะให้
การคาดการณ์ที่เชื่อถือได้และดีกว่ามาตรการความถูกต้อง มันได้รับการนำเสนอผ่านการศึกษาวิจัยหลาย Najjar และ al.8, 9, 10 ที่เวที
สี่จะแนะนำให้มาถึงที่รูปแบบเครือข่ายที่มีประสิทธิภาพที่ดีขึ้น โครงสร้างเครือข่ายที่เหมาะสมสำหรับการคงรูปแบบแอนถูก
เลือกขึ้นอยู่กับมาตรการทางสถิติเช่นค่าเฉลี่ยรากข้อผิดพลาดตาราง (Mrse) หมายถึงความผิดพลาดที่แน่นอน (MARE) และค่าสัมประสิทธิ์
ของการตัดสินใจ (R2) สถาปัตยกรรมสุดท้ายของการพัฒนาเครือข่ายอัตโนมัติเชื่อมโยงมีการระบุไว้ในตาราง

ผลลัพธ์ (ไทย) 3:

ในขั้นตอนที่ 4 การปฏิบัติที่ดีที่สุดของเครือข่ายที่ได้ในขั้นที่สอง คือ ฝึกอบรมข้อมูลทั้งหมดเพื่อเพิ่มค่าความแม่นยำและ
ประเมินว่าดีแบบที่ต้องการแอนลักษณะพฤติกรรม การฝึกอบรมเครือข่ายกับทุกข้อมูลที่คาดว่าจะให้
ทำนายที่เชื่อถือได้และดีกว่าวัดความถูกต้อง มันได้รับการเสนอผ่านการศึกษาวิจัยหลายโดย najjar et al .8 , 9 , 10 ที่เวที
4 แนะนำที่จะมาถึงดีกว่าการแสดงเครือข่ายแบบ ที่เหมาะสมสำหรับเครือข่ายโครงสร้างแบบแอนโมเดล
เลือกตามมาตรการทางสถิติเช่นข้อผิดพลาดหมายถึงรากที่สอง ( mrse ) หมายถึงแน่นอนความผิดพลาดสัมพัทธ์ ( ตัวเมีย ) และค่าสัมประสิทธิ์ตัวกำหนด ( R (
) การดำเนินงานขั้นสุดท้ายของการพัฒนาโดยอัตโนมัติเชื่อมโยงเครือข่ายอยู่ในโต๊ะ