Neural net implementationOur aim is

Neural net implementation
Our aim is to describe a network which can easily adjust to detect arrangements of
local features representing different object classes. All features used in any object
representation come from a predetermined pool F = {α1, . . . , αN }. The image
locations of each feature in F are detected in arrays Fi
, i = 1, . . . , N, (see 4.1.) A

ผลลัพธ์ (ไทย) 1:

นำประสาทสุทธิเป้าหมายของเราคือเพื่อ อธิบายเครือข่ายที่สามารถปรับการเรียงได้ง่ายท้องถิ่นมีคลาสออบเจ็กต์อื่นแทน คุณลักษณะทั้งหมดที่ใช้ในวัตถุแสดงที่มาจากสระกำหนดไว้ F = {α1,..., αN } รูปภาพตำแหน่งที่ตั้งของแต่ละคุณลักษณะใน F พบในอาร์เรย์ไร้สายฉัน = 1,..., N, (ดู 4.1) A

ผลลัพธ์ (ไทย) 2:

การดำเนินงานสุทธิประสาทจุดมุ่งหมายของเราคือการอธิบายเครือข่ายที่สามารถปรับตัวให้เข้าตรวจสอบการเตรียมการของคุณสมบัติในท้องถิ่นที่เป็นตัวแทนของการเรียนที่แตกต่างกันของวัตถุ คุณสมบัติทั้งหมดที่ใช้ในการวัตถุใด ๆเป็นตัวแทนมาจากสระว่ายน้ำที่กำหนดไว้ F = {α1, . . , αN} ภาพสถานที่ของแต่ละคุณลักษณะในเอฟมีการตรวจพบในอาร์เรย์Fi, i = 1, . . , N (ดู 4.1.) คำ

ผลลัพธ์ (ไทย) 3:

การใช้งานสุทธิประสาท
จุดมุ่งหมายของเราคือการอธิบายถึงเครือข่ายที่สามารถปรับเพื่อตรวจสอบการจัดเรียงของ
ท้องถิ่นคุณสมบัติของคลาสของวัตถุที่แตกต่างกัน คุณสมบัติทั้งหมดที่ใช้ในวัตถุใด ๆที่เป็นตัวแทนมาจากสระไว้
F = { α 1 . . . . . . . . α n , } ภาพสถานที่ของแต่ละคุณลักษณะ
F จะพบในอาร์เรย์ Fi
, i = 1 , . . . . . . . . , N ( ดู 4.1 )