(Stich et al., 2000). Neurons are o

(Stich et al., 2000). Neurons are organized in layers that process the input information and pass it to the following layer. The processing ability of the network is stored in the inter unit connection strengths (or weights) that are obtained through a process of adaptation to a set of training patterns (Fernandez et al., 2007). Methods based on ANNs seem particularly appropriate in a number of applications, owing to their ability to predict results by learning from the historical data sets of the problem without knowing the interactions among parameters, even if these are highly nonlinear. This ability of ANNs to predict relationships between input variables and their corresponding outputs in a complex biological system has resulted in some inspiring successes (Sharma et al., 2007).

ผลลัพธ์ (ไทย) 1:

(Stich et al. 2000) เซลล์ประสาทมีจัดชั้นที่ประมวลข้อมูลป้อนเข้า และผ่านไปชั้นต่อไปนี้ ความสามารถในการประมวลผลของเครือข่ายถูกเก็บไว้ในอินเตอร์หน่วยเชื่อมต่อจุดแข็ง (หรือน้ำหนัก) ที่ได้รับผ่านการดัดแปลงชุดรูปแบบการอบรม (เฟอร์นานเดซ et al. 2007) ดูเหมือนจะตาม ANNs ที่เหมาะสมโดยเฉพาะอย่างยิ่งในจำนวนของโปรแกรมประยุกต์ เนื่องจากความสามารถในการทำนายผลลัพธ์ โดยเรียนรู้จากชุดข้อมูลทางประวัติศาสตร์ของปัญหาโดยไม่ทราบว่าการโต้ตอบระหว่างพารามิเตอร์ แม้ว่าเหล่านี้เป็นเชิงเส้นสูง ความสามารถนี้ของ ANNs ทำนายความสัมพันธ์ระหว่างตัวแปรป้อนเข้าและผลของพวกเขาที่สอดคล้องกันในระบบชีวภาพซับซ้อนมีผลในความสำเร็จสร้างแรงบันดาลใจบางอย่าง (Sharma et al. 2007)

ผลลัพธ์ (ไทย) 2:

(Stich et al., 2000) เซลล์ประสาทถูกจัดอยู่ในชั้นที่ประมวลผลข้อมูลเข้าและผ่านมันไปยังชั้นต่อไป การประมวลผลความสามารถของเครือข่ายที่ถูกเก็บไว้ในจุดแข็งของหน่วยระหว่างการเชื่อมต่อ (หรือน้ำหนัก) ที่จะได้รับผ่านขั้นตอนของการปรับตัวเพื่อตั้งค่ารูปแบบการฝึกอบรม (เฟอร์นันเด et al., 2007) วิธีการขึ้นอยู่กับ ANNs ดูเหมาะสมโดยเฉพาะอย่างยิ่งในจำนวนของการใช้งานเนื่องจากความสามารถในการทำนายผลโดยการเรียนรู้จากประวัติศาสตร์ชุดข้อมูลของปัญหาโดยไม่ทราบว่าการโต้ตอบกันของพารามิเตอร์แม้ว่าเหล่านี้จะไม่เป็นเชิงเส้นสูง ความสามารถนี้ของ ANNs ในการทำนายความสัมพันธ์ระหว่างตัวแปรอินพุทและเอาท์พุทที่สอดคล้องกันของพวกเขาในความซับซ้อนของระบบทางชีวภาพมีผลในการประสบความสำเร็จสร้างแรงบันดาลใจบางอย่าง (Sharma et al., 2007)

ผลลัพธ์ (ไทย) 3:

（Stich et al .，2000）。这是在layers Neurons organized过程的输入信息到以下层和通过它。对处理过程的研究，特别是在网络连接的长处（或单元）是通过weights是obtaineda process of a set of adaptation到训练模式（Fernandez等人，2007）基于seem particularly Methods ANNs。在一个应用程序appropriate number of，由于他们的能力来predict学习结果对历史数据从最无套的问题，知道的interactions among即使这些参数是高度非线性的能力。这的输入变量之间的关系。predict ANNs到现场和他们在一个复杂的生物系统corresponding在一些有resulted inspiring successes（Sharma et al .，2007）。