Analysis results on the wrapper mod

Analysis results on the wrapper model due to Ng [14] provided a general explanation of why
heuristic guided wrapper approaches is effective. Since the ANNIGMA heuristic can be handily
calculated from trained weights after a training cycle, it is the choice to guide a wrapper model based feature selector for neural nets. The ANNIGMA heuristic is also reliably accurate. However, it will be interesting to nd a bound on the degree to which a neural net needs to be trained before the ANNIGMA heuristic can be reliably applied and thereby minimize the training eort.

ผลลัพธ์ (ไทย) 1:

ผลการวิเคราะห์ในรูปแบบกระดาษห่อจาก Ng [14] ให้คำอธิบายทั่วไปทำไมวิธีห่อตัวแล้วมีผลบังคับใช้ เนื่องจากได้ ANNIGMA heuristic handilyคำนวณจากน้ำหนักฝึกหลังจากฝึกอบรมวงจร จึงเป็นตัวเลือกที่จะแนะนำตัวเลือกลักษณะจำลองจากกระดาษห่อสำหรับตาข่ายประสาท ANNIGMA heuristic ก็ได้ถูกต้อง อย่างไรก็ตาม มันจะได้น่าสนใจในการ nd ผูกบนระดับที่สุทธิประสาทจำเป็นต้องได้รับการอบรมก่อน ANNIGMA heuristic สามารถใช้ได้ และจึงลด ort อีฝึก

ผลลัพธ์ (ไทย) 2:

ผลการวิเคราะห์ในรูปแบบกระดาษห่อเนื่องจากอึ้ง [14]
ให้คำอธิบายว่าทำไมทั่วไปของการแก้ปัญหาที่แนะนำวิธีการห่อที่มีประสิทธิภาพ เนื่องจากการแก้ปัญหา ANNIGMA
สามารถคล่องแคล่วคำนวณจากน้ำหนักการฝึกอบรมหลังจากรอบการฝึกอบรมก็เป็นทางเลือกที่จะให้คำแนะนำรูปแบบการห่อหุ้มตัวเลือกคุณลักษณะที่ใช้สำหรับการประสาท ANNIGMA แก้ปัญหานี้ยังมีความถูกต้องน่าเชื่อถือ แต่มันจะเป็นครั้งที่น่าสนใจที่จะผูกพันในระดับที่ความต้องการสุทธิประสาทได้รับการอบรมก่อนที่จะแก้ปัญหา ANNIGMA สามารถนำมาใช้อย่างน่าเชื่อถือและจึงลดอีฝึกอบรมหรือไม่ดื่มเกลือแร่

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ผลในกระดาษห่อแบบเนื่องจาก NG [ 14 ] โดยทั่วไปอธิบายทำไม
) แนะนำห่อวิธีที่มีประสิทธิภาพ ตั้งแต่ annigma ฮิวริสติกสามารถคำนวณจากน้ำหนักถนัดมือ
การฝึกอบรมหลังการฝึกอบรมวงจร , มันเป็นทางเลือกที่แนะนำเลือกคุณสมบัติตามกระดาษห่อแบบตาข่ายประสาท . การ annigma ฮิวริสติกยังถูกต้องเชื่อถือได้ อย่างไรก็ตามมันจะน่าสนใจเพื่อ  ND ขอบเขตในระดับที่เครือข่ายประสาท ต้องได้รับการฝึกฝนก่อน annigma ฮิวริสติกสามารถเชื่อถือได้ประยุกต์และจึงลดการฝึกอบรม E 
สถาน .