In the previous chapter, we introdu

In the previous chapter, we introduced the concept of a computer system that could learn
how to perform a task by presentation of example inputs and desired outputs. In section 2.1
we formalise the challenge of creating such systems as the Supervised Learning Problem, and
introduce one class of learning system, neural networks. Several authors [66, 114, 115] have
noted that significant performance improvements can be obtained by creating a group of
learning systems, and combining their outputs in some fashion. In section 2.2 we review
current techniques for combining the outputs of a set of given predictors. In section 2.3 we
review techniques specifically for learning the predictors that are to be combined.

ผลลัพธ์ (ไทย) 1:

ในบทก่อนหน้านี้ เราแนะนำแนวคิดของระบบคอมพิวเตอร์ที่สามารถเรียนรู้วิธีการทำงาน โดยนำเสนอตัวอย่างอินพุตและเอาท์พุตที่ต้องการ ในส่วน 2.1เรา formalise ความท้าทายในการสร้างระบบดังกล่าวเป็นปัญหาการเรียนรู้แบบมีผู้สอน และแนะนำชั้นเรียนระบบ เครือข่ายประสาท มีผู้เขียนหลาย [66, 114, 115]ตั้งข้อสังเกตว่า การปรับปรุงประสิทธิภาพที่สำคัญสามารถได้รับ โดยการสร้างกลุ่มของระบบการเรียนรู้ และรวมการแสดงผลในบาง ในส่วนที่ 2.2 เราทบทวนปัจจุบันเทคนิคในการแสดงผลของชุดรวมให้ predictors ในส่วน 2.3 เราทบทวนเทคนิคเฉพาะสำหรับ predictors ที่จะรวมการเรียนรู้

ผลลัพธ์ (ไทย) 3:

ในบทความก่อนหน้านี้เราได้แนะนำแนวคิดของระบบคอมพิวเตอร์ที่สามารถเรียนรู้
วิธีการดําเนินงานโดยการนำเสนอข้อมูลตัวอย่างและต้องการผลผลิต ในส่วน 2.1
เรา formalise ความท้าทายของการสร้างระบบ เช่น มีปัญหาในการเรียนรู้และ
แนะนำหนึ่งชั้นเรียนระบบ การเรียนรู้ของโครงข่ายประสาทเทียม ผู้เขียนหลาย [ 66 , 114 , 115 ]
กล่าวว่า การปรับปรุงประสิทธิภาพอย่างมีนัยสำคัญได้โดยการสร้างกลุ่มของ
ระบบการเรียนรู้และการรวมผลของพวกเขาในบางแฟชั่น ในส่วน 2.2 เราทบทวน
เทคนิคปัจจุบันการรวมผลของชุดได้รับพยากรณ์ ในส่วน 2.3 เรา
เทคนิคทบทวนเฉพาะสำหรับการเรียนรู้พยากรณ์ที่จะรวมกัน