Figure 8 also illustrates one of th

Figure 8 also illustrates one of the benefits of using this set of data. The visual
character of the data makes it possible to see the nature of the analysis provided by the
network. It can be seen that the weight vectors move from rough generalisations at the
top of the tree structure to more detailed pictures at the lower levels. In general the tree
splits the lighter and darker images into separate sub-trees. The left hand sub-tree has
classified the lighter and smaller images and the other two sub-trees classifying darker
and larger images with the right hand sub-tree classifying the darkest images. The next
level nodes classify according to the general orientation of the image. For example in
the left hand sub-tree the first and second classifying vertical images; the second deals
with the darker variants; the third classifies the more diagonal elements; and the fourth
classifies the horizontal images.

ผลลัพธ์ (ไทย) 1:

ยังรูปที่ 8 แสดงให้เห็นประโยชน์ของการใช้ชุดของข้อมูลนี้อย่างใดอย่างหนึ่ง การ visualลักษณะของข้อมูลที่ทำให้เห็นลักษณะของการวิเคราะห์โดยการเครือข่าย จะเห็นได้ว่า เวกเตอร์น้ำหนักย้ายจาก generalisations หยาบในการด้านบนของโครงสร้างแผนภูมิรูปภาพรายละเอียดเพิ่มเติมในระดับต่ำกว่า โดยทั่วไปต้นแยกภาพเข้มขึ้น และเบาลงในต้นไม้ย่อยแยกต่างหาก มีทรีย่อยทางซ้ายมือจัดภาพที่มีน้ำหนักเบา และขนาดเล็กและอื่น ๆ สองย่อยต้นไม้ประเภทเข้มและภาพขนาดใหญ่ ด้วยมือขวาย่อยแผนภูมิประเภทภาพมืดมากที่สุด ถัดไปโหนดระดับจัดประเภทตามแนวทั่วไปของรูป ตัวอย่างในมือซ้ายของแผนภูมิย่อยแรก และสองจัดประเภทแนวตั้งภาพ ข้อเสนอที่สองมีตัวแปรเข้ม องค์ประกอบเส้นทแยงมุมขึ้น การแบ่งประเภทที่สาม และสี่ประมวลภาพแนวนอน

ผลลัพธ์ (ไทย) 2:

รูปที่ 8 นอกจากนี้ยังแสดงให้เห็นถึงหนึ่งในประโยชน์ของการใช้ชุดของข้อมูลนี้ ภาพตัวละครของข้อมูลที่จะทำให้มันเป็นไปได้ที่จะเห็นลักษณะของการวิเคราะห์ที่มีให้โดยเครือข่าย จะเห็นได้ว่าเวกเตอร์น้ำหนักย้ายจากภาพรวมหยาบที่ด้านบนของโครงสร้างเพื่อภาพรายละเอียดเพิ่มเติมได้ที่ระดับที่ต่ำกว่า โดยทั่วไปต้นไม้แยกภาพที่มีน้ำหนักเบาและเข้มเป็นต้นไม้ย่อยที่แยกจากกัน มือซ้ายย่อยต้นไม้ได้จัดภาพที่มีน้ำหนักเบาและมีขนาดเล็กและอื่น ๆ ต้นไม้สองต้นย่อยจำแนกเข้มภาพและขนาดใหญ่ที่มีต้นไม้ย่อยขวามือแบ่งประเภทของภาพที่มืดที่สุด ถัดไปโหนดระดับจำแนกตามทิศทางทั่วไปของภาพ ยกตัวอย่างเช่นในซ้ายมือ sub ต้นไม้เป็นครั้งแรกและครั้งที่สองจัดหมวดหมู่ภาพแนวตั้ง; ข้อเสนอที่สองกับสายพันธุ์เข้ม; ที่สามจัดองค์ประกอบในแนวทแยงมากขึ้น และสี่แยกประเภทภาพในแนวนอน

ผลลัพธ์ (ไทย) 3:

รูปที่ 8 ยังแสดงให้เห็นหนึ่งในประโยชน์ของการใช้ชุดของข้อมูลนี้ อักขระภาพ
ของข้อมูลที่ทำให้มันเป็นไปได้ที่จะเห็นธรรมชาติของการวิเคราะห์โดย
เครือข่าย จะเห็นได้ว่าน้ำหนักเวกเตอร์ย้ายจากรวมหยาบที่
ด้านบนของโครงสร้างต้นไม้ภาพรายละเอียดเพิ่มเติมอยู่ในระดับต่ำ โดยทั่วไปต้นไม้
แยกภาพที่เบาและเข้มในต้นไม้ย่อยที่แยกต่างหาก มือซ้ายย่อยต้นไม้มี
เบาและภาพขนาดเล็กและอีกสองกลุ่มย่อยต้นไม้มืด
และภาพขนาดใหญ่กับมือขวาย่อยต้นไม้ตามภาพที่มืดที่สุดความลับ โหนด
ระดับถัดไปแบ่งตามทิศทางทั่วไปของภาพ ตัวอย่างเช่นใน
มือซ้ายย่อยต้นไม้เป็นครั้งแรกและครั้งที่สองคือภาพแนวตั้ง ที่สองเกี่ยวข้องกับสายพันธุ์เข้ม
; ที่สามคือองค์ประกอบเส้นทแยงมุมมากกว่า และที่สี่
ประมวลภาพแนวนอน