the result between the actual and d

the result between the actual and desired values does not match.
The reason for this error is in the learning process. Error in learning
is because of three main factors; bias, variance and noise [7].
Error ¼ Noise þ Bias þ Variance ð1Þ
Large bias causes under-fitting while large variance causes
over-fitting of data. Generalization of an ANN to adapt to the
new data set will increase much if bias and variance are reduced
to minimum as data will not suffer the problem of over-fitting
and under-fitting anymore. Moreover, the error in learning also
reduces and overall prediction improves.

ผลลัพธ์ (ไทย) 1:

ผลการค้นหาระหว่างค่าจริง และต้องการไม่ตรงกันเหตุผลสำหรับข้อผิดพลาดนี้อยู่ในกระบวนการเรียนรู้ ข้อผิดพลาดในการเรียนรู้เนื่องจากปัจจัยหลักสามประการ อคติ ผลต่าง และเสียง [7]ข้อผิดพลาด¼เสียงþþอคติผลต่าง ð1Þอคติที่ใหญ่ทำให้กระชับใต้ในขณะที่ผลต่างขนาดใหญ่ทำให้ติดตั้งอุปกรณ์มากเกินไปของข้อมูล ลักษณะทั่วไปของแอนเป็นการปรับตัวกับการชุดข้อมูลใหม่จะเพิ่มขึ้นมากถ้าลดอคติและความแปรปรวนน้อยที่สุดเป็นข้อมูลจะไม่ประสบปัญหาการติดตั้งอุปกรณ์มากเกินไปและขีดที่เหมาะสมอีกต่อไป นอกจากนี้ ข้อผิดพลาดในการเรียนรู้ยังลด และปรับปรุงการคาดการณ์โดยรวม

ผลลัพธ์ (ไทย) 2:

ผลระหว่างค่าที่แท้จริงและที่ต้องการไม่ตรงกับ.
เหตุผลสำหรับข้อผิดพลาดนี้คือในกระบวนการเรียนรู้ ข้อผิดพลาดในการเรียนรู้
เป็นเพราะปัจจัยหลักที่สาม; อคติความแปรปรวนและเสียงรบกวน [7].
ข้อผิดพลาด¼เสียงรบกวนÞÞอคติแปรปรวนð1Þ
อคติขนาดใหญ่ทำให้เกิดภายใต้การกระชับความแปรปรวนในขณะที่มีขนาดใหญ่ทำให้เกิด
มากกว่าที่เหมาะสมของข้อมูล ลักษณะทั่วไปของ ANN ปรับให้เข้ากับ
ชุดข้อมูลใหม่จะเพิ่มขึ้นมากถ้ามีอคติและความแปรปรวนจะลดลง
ไปต่ำสุดเป็นข้อมูลจะไม่ประสบปัญหาการมากกว่าที่เหมาะสม
และอยู่ภายใต้กระชับอีกต่อไป นอกจากนี้ยังมีข้อผิดพลาดในการเรียนรู้นอกจากนี้ยัง
ช่วยลดและการทำนายโดยรวมปรับปรุง

ผลลัพธ์ (ไทย) 3:

ผลระหว่างค่าจริงและความต้องการไม่ตรงกันเหตุผลสำหรับข้อผิดพลาดนี้ในกระบวนการเรียนรู้ ข้อผิดพลาดในการเรียนรู้เป็นเพราะปัจจัยสามประการหลัก อคติ ความแปรปรวน และเสียง [ 7 ]ข้อผิดพลาด¼เสียงþþð 1 Þความอคติขนาดใหญ่ภายใต้ความอคติทำให้กระชับส่วนใหญ่สาเหตุกว่าที่เหมาะสมของข้อมูล ลักษณะทั่วไปของแอนปรับให้เข้ากับชุดข้อมูลใหม่จะเพิ่มขึ้นมากถ้าอคติและความแปรปรวนจะลดลงให้น้อยที่สุด ข้อมูลจะไม่ประสบปัญหาของข้อต่อและใต้ที่เหมาะสมแล้ว นอกจากนี้ ข้อผิดพลาดในการเรียนรู้ยังลดและการทำนายโดยรวมดีขึ้น