The main advantages of ANN are that

The main advantages of ANN are that – depending on the activation function
– they can perform non-linear classification tasks, and that, due to their parallel
nature, they can be efficient and even operate if part of the network fails. The main
disadvantage is that it is hard to come up with the ideal network topology for a
given problem and once the topology is decided this will act as a lower bound for
the classification error. ANN’s belong to the class of sub-symbolic classifiers, which
means that they provide no semantics for inferring knowledge – i.e. they promote a
kind of black-box approach.

ผลลัพธ์ (ไทย) 1:

ข้อดีหลักของแอนอยู่ที่ – ขึ้นอยู่กับฟังก์ชันเรียกใช้-สามารถทำงานที่ classification ไม่ใช่เชิงเส้น และ ที่ครบกำหนดการขนานของพวกเขาธรรมชาติ พวกเขาสามารถ efficient และยังมีถ้าส่วนของเครือข่าย หลักข้อเสียคือมันยากที่จะเกิดขึ้นกับโทโพโลยีเครือข่ายเหมาะสำหรับการให้ปัญหาและเมื่อโทโพโลยีเป็นตัดสินใจนี้จะทำหน้าที่เป็นขอบต่ำสุดสำหรับข้อผิดพลาด classification ของแอนน์เป็นชั้นย่อยสัญลักษณ์ classifiers ซึ่งหมายความ ว่า พวกเขาให้ความหมายไม่ inferring ความรู้ – เช่นการส่งเสริมการชนิดของกล่องดำวิธี

ผลลัพธ์ (ไทย) 2:

ประโยชน์หลักของแอนที่ - ขึ้นอยู่กับฟังก์ชั่นการเปิดใช้งาน
- พวกเขาสามารถดำเนินการไม่เชิงเส้นจัดประเภทงานไอออนบวก fi, และว่าเนื่องจากขนานของพวกเขา
ธรรมชาติที่พวกเขาสามารถเพียงพอไฟ EF และแม้กระทั่งการทำงานถ้าเป็นส่วนหนึ่งของเครือข่ายล้มเหลว หลัก
ข้อเสียก็คือว่ามันเป็นเรื่องยากที่จะเกิดขึ้นกับโครงสร้างเครือข่ายที่เหมาะสำหรับ
ปัญหาที่กำหนดและเมื่อโครงสร้างจะตัดสินใจนี้จะทำหน้าที่เป็นที่ถูกผูกไว้ที่ต่ำกว่าสำหรับ
จัดประเภทข้อผิดพลาดไอออนบวกไฟ แอนอยู่ในชั้นเรียนของ ERS จัดประเภทย่อยสัญลักษณ์ซึ่ง
หมายความว่าพวกเขาให้ความหมายไม่มีการอนุมานความรู้ - คือพวกเขาส่งเสริม
ประเภทของวิธีการกล่องดำ

ผลลัพธ์ (ไทย) 3:

ประโยชน์หลักของแอนที่–ขึ้นอยู่กับหน้าที่และพวกเขาสามารถแสดงเส้น
กระตุ้นการ classi ถ่ายทอดงานและเนื่องจากธรรมชาติขนาน
ของพวกเขา พวกเขาสามารถ EF จึง cient และแม้แต่การใช้งานถ้าส่วนหนึ่งของเครือข่ายล้มเหลว ข้อเสียเปรียบหลัก
คือว่ามันเป็นเรื่องยากที่จะเกิดขึ้นกับโครงสร้างเครือข่ายเหมาะสำหรับ
กําหนดปัญหา และเมื่อโครงสร้างคือการตัดสินใจนี้จะทำหน้าที่เป็นขอบเขตล่างสำหรับ
classi ไอออนบวกจึงผิดพลาด แอนเป็นของชั้นย่อยเป็นสัญลักษณ์ classi จึง ERS ซึ่ง
หมายความว่าพวกเขาให้ไม่มีความหมายสำหรับระดับความรู้–เช่นที่พวกเขาส่งเสริมชนิดของวิธีการ



กล่องสีดำ