1.3 Why use neural networks?Neural

1.3 Why use neural networks?
Neural networks, with their remarkable ability to derive meaning from complicated or imprecise data, can be used to extract patterns and detect trends that are too complex to be noticed by either humans or other computer techniques. A trained neural network can be thought of as an "expert" in the category of information it has been given to analyze. This expert can then be used to provide projections given new situations of interest and answer "what if" questions.
Other advantages include:
1. Adaptive learning: An ability to learn how to do tasks based on the data given for training or initial experience.
2. Self-Organization: An ANN can create its own organization or representation of the information it receives during learning time.
3. Real Time Operation: ANN computations may be carried out in parallel, and special hardware devices are being designed and manufactured which take advantage of this capability.
4. Fault Tolerance via Redundant Information Coding: Partial destruction of a network leads to the corresponding degradation of performance. However, some network capabilities may be retained even with major network damage.

ผลลัพธ์ (ไทย) 1:

1.3 ใช้เครือข่ายประสาททำไมเครือข่ายประสาท มีความสามารถโดดเด่นได้รับความหมายจากข้อมูลที่ซับซ้อน หรือ imprecise สามารถใช้เพื่อแยกรูปแบบ และพบแนวโน้มที่จะซับซ้อนเกินกว่าที่จะสังเกต โดยมนุษย์หรือเทคนิคคอมพิวเตอร์ สามารถคิดของเครือข่ายประสาทผ่านการฝึกอบรมเป็นการ "ชาญ" ประเภทของข้อมูลที่มีการกำหนดเพื่อวิเคราะห์ แล้วใช้ผู้เชี่ยวชาญนี้ประมาณรับสถานการณ์ใหม่น่าสนใจ และตอบคำถาม "ถ้า"ข้อดีอื่น ๆ ได้แก่:1. เรียนรู้แบบอะแดปทีฟ: ความสามารถในการเรียนรู้วิธีการทำงานตามข้อมูลที่ให้ประสบการณ์การฝึกอบรม หรือเริ่มต้น 2. การจัดการตนเอง: แอนสามารถสร้างองค์กรหรือตัวแทนของข้อมูลที่ได้รับในระหว่างการเรียนรู้เวลาของตนเอง 3. เวลาจริงการดำเนินการ: แอนหนึ่งอาจจะดำเนินควบคู่กัน และอุปกรณ์ฮาร์ดแวร์พิเศษถูกออกแบบ และผลิตที่ใช้ประโยชน์จากความสามารถนี้ 4. ข้อบกพร่องยอมรับผ่านการเข้ารหัสข้อมูลซ้ำซ้อน: ทำลายบางส่วนของเครือข่ายที่นำไปสู่การลดประสิทธิภาพของประสิทธิภาพการทำงานสอดคล้องกัน อย่างไรก็ตาม ความสามารถในบางเครือข่ายอาจสะสมแม้จะ มีความเสียหายของเครือข่ายหลัก

ผลลัพธ์ (ไทย) 2:

1.3 ทำไมต้องใช้เครือข่ายประสาท?
โครงข่ายประสาทเทียมที่มีความสามารถที่โดดเด่นของพวกเขาที่จะได้รับหมายจากข้อมูลที่ซับซ้อนหรือไม่แน่ชัดสามารถนำมาใช้ในการสกัดตรวจสอบรูปแบบและแนวโน้มที่มีความซับซ้อนเกินกว่าที่จะสังเกตเห็นโดยทั้งมนุษย์หรือเทคนิคคอมพิวเตอร์อื่น ๆ เครือข่ายประสาทผ่านการฝึกอบรมสามารถจะคิดว่าเป็น "ผู้เชี่ยวชาญ" ในหมวดหมู่ของข้อมูลจะได้รับการวิเคราะห์ . ผู้เชี่ยวชาญด้านนี้สามารถนำมาใช้เพื่อให้ได้รับการคาดการณ์สถานการณ์ใหม่ที่น่าสนใจและตอบ "สิ่งที่ถ้า"
คำถามข้อดีอื่นๆ ได้แก่ :
1 การเรียนรู้การปรับตัว: มีความสามารถในการเรียนรู้วิธีการดำเนินงานบนพื้นฐานของข้อมูลที่ได้รับการฝึกอบรมหรือประสบการณ์ครั้งแรก.
2 องค์การตัวเอง: การ ANN สามารถสร้างองค์กรของตัวเองหรือเป็นตัวแทนของข้อมูลที่ได้รับในช่วงเวลาการเรียนรู้.
3 การดำเนินงานแบบ Real Time:. คำนวณ ANN อาจจะดำเนินการในแบบคู่ขนานและอุปกรณ์ฮาร์ดแวร์พิเศษที่ถูกออกแบบและผลิตที่ใช้ประโยชน์จากความสามารถนี้
4 Fault Tolerance ผ่านการเข้ารหัสข้อมูลซ้ำซ้อน: ทำลายบางส่วนของเครือข่ายที่นำไปสู่การย่อยสลายของประสิทธิภาพการทำงานที่สอดคล้องกัน แต่ความสามารถของเครือข่ายบางคนอาจจะยังคงอยู่แม้จะมีความเสียหายเครือข่ายหลัก

ผลลัพธ์ (ไทย) 3:

1.3 ทำไมใช้เครือข่ายประสาท ?
โครงข่ายประสาทเทียมที่มีความสามารถที่น่าทึ่งของพวกเขาเพื่อสร้างความหมายจากข้อมูลคลุมเครือซับซ้อน หรือ สามารถใช้สารสกัดจากรูปแบบและตรวจสอบแนวโน้มที่จะซับซ้อนเกินไปที่จะสังเกตเห็นโดยมนุษย์ หรือเทคนิคคอมพิวเตอร์อื่น ๆ การฝึกอบรมเครือข่ายประสาทสามารถคิดเป็น " ผู้เชี่ยวชาญ " ในประเภทของข้อมูลที่ได้รับการวิเคราะห์ผู้เชี่ยวชาญด้านนี้จากนั้นจะสามารถใช้เพื่อให้การประมาณการให้สถานการณ์ใหม่ที่น่าสนใจและตอบ " สิ่งที่ถ้า " คำถาม ประโยชน์อื่น ๆรวมถึง :

1 การเรียนรู้ : ความสามารถที่จะเรียนรู้วิธีการทำงานบนพื้นฐานของข้อมูลที่ได้รับในการฝึกอบรมหรือประสบการณ์ครั้งแรก
2 . องค์กรด้วยตนเอง : แอน สามารถสร้างองค์กรของตัวเองหรือเป็นตัวแทนของข้อมูลที่ได้รับในเวลาเรียน .
3ปฏิบัติการเวลาจริง : แอน คณนา อาจจะออกมาในแบบขนานและอุปกรณ์ฮาร์ดแวร์พิเศษที่ถูกออกแบบ และผลิต ซึ่งใช้ประโยชน์จากความสามารถนี้
4 ความผิดความอดทนผ่านข้อมูลนะครับ ) : ทำลายบางส่วนของเครือข่ายนำไปสู่การสลายตัวที่สอดคล้องกันของการปฏิบัติ อย่างไรก็ตามบางความสามารถเครือข่ายอาจถูกเก็บไว้แม้กับความเสียหายของเครือข่ายหลัก