5. Concluding RemarksAuto-associati

5. Concluding Remarks
Auto-associative network approach with backpropagation learning algorithm was explored by using seven civil engineering databases.
Effects of input parameters on the output based on the statistical evaluation criteria was utilized to determine the optimal architecture
of the neural network models, while mapping input parameters on the output layer as well. The auto-associative network method utilized
the outputs from static ANN models along with the input parameters to generate new improved results, as well as to provide reflection
of the predicted outputs and input parameters. Due to the fact that auto-associative network is optimized on inputs and output(s), the
statistical accuracy measures of the outputs were not expected to be as reliable as ANN models. However, the results indicated that for
few cases auto-associative network can perform better. The auto-associative network did not perform well on most of the databases in
terms of error reduction, but discovered the relationship between inputs and output. Even though the results from auto-associative
network are not comparable with those obtained via other approaches, they are still considerably promising. It is noteworthy to mention
that auto-associative network can not only be utilized to generate outputs, but can also be used for verification of the missing values in
input parameters.

ผลลัพธ์ (ไทย) 1:

5. หมายเหตุสรุปวิธีเครือข่ายอัตโนมัติเกี่ยวข้องกับอัลกอริทึมการเรียนรู้ backpropagation ได้สำรวจ โดยใช้ฐานข้อมูลวิศวกรโยธา 7มีใช้ผลของพารามิเตอร์ในการแสดงผลตามเกณฑ์การประเมินทางสถิติเพื่อกำหนดสถาปัตยกรรมเหมาะสมที่สุดรุ่นเครือข่ายประสาท ในขณะที่การแม็ปพารามิเตอร์บนผลผลิตชั้นดี ใช้วิธีเครือข่ายอัตโนมัติที่เกี่ยวข้องแสดงผลจากแบบจำลองแอนคงพร้อมพารามิเตอร์ป้อนเข้าเพื่อสร้างใหม่ปรับปรุงผลลัพธ์ เช่นเพื่อให้สะท้อนแสดงผลคาดการณ์และพารามิเตอร์ป้อนเข้า เนื่องจากข้อเท็จจริงที่สุดเครือข่ายอัตโนมัติสัมพันธ์กับอินพุตและ output(s) การวัดความถูกต้องทางสถิติของการแสดงผลไม่คาดว่าจะเชื่อถือที่รุ่นแอน อย่างไรก็ตาม ผลระบุว่า สำหรับกรณีบางเครือข่ายที่เกี่ยวข้องโดยอัตโนมัติสามารถทำงานดีขึ้น เครือข่ายแบบจับคู่อัตโนมัติไม่ได้ทำดีในส่วนใหญ่ของฐานข้อมูลในเงื่อนไขการลดข้อผิดพลาด แต่พบความสัมพันธ์ระหว่างปัจจัยการผลิตและผลผลิต แม้ว่าผลลัพธ์จากแบบจับคู่อัตโนมัติเครือข่ายไม่เปรียบเทียบกับผู้รับผ่านทางวิธีอื่น ๆ จะยังคงแนวโน้มมาก เป็นที่น่าสังเกตการพูดเครือข่ายที่เกี่ยวข้องโดยอัตโนมัติเท่านั้นไม่สามารถนำไปใช้ประโยชน์ในการสร้างการแสดงผล แต่ยังสามารถใช้สำหรับการตรวจสอบค่าขาดหายไปพารามิเตอร์ป้อนเข้า

ผลลัพธ์ (ไทย) 2:

5. ข้อสังเกตสรุป
วิธีการเครือข่ายอัตโนมัติเชื่อมโยงกับการเรียนรู้ขั้นตอนวิธีการแพร่กระจายย้อนกลับได้รับการสำรวจโดยใช้ฐานข้อมูลวิศวกรรมโยธาเจ็ด.
ผลของการป้อนพารามิเตอร์ในการส่งออกขึ้นอยู่กับเกณฑ์การประเมินทางสถิติที่ถูกนำมาใช้ในการกำหนดสถาปัตยกรรมที่ดีที่สุด
ของรุ่นเครือข่ายประสาทในขณะที่การทำแผนที่ ป้อนพารามิเตอร์ในชั้นการส่งออกได้เป็นอย่างดี อัตโนมัติเชื่อมโยงเครือข่ายวิธีใช้
เอาท์พุทจากรุ่นคง ANN พร้อมกับป้อนพารามิเตอร์เพื่อสร้างผลลัพธ์ที่ดีขึ้นใหม่เช่นเดียวกับการที่จะให้การสะท้อน
ของเอาท์พุทที่คาดการณ์ไว้และป้อนพารามิเตอร์ เนื่องจากข้อเท็จจริงที่ว่าเครือข่ายอัตโนมัติเชื่อมโยงมีการเพิ่มประสิทธิภาพในปัจจัยการผลิตและการส่งออก (s),
มาตรการความถูกต้องทางสถิติของผลที่ไม่ได้คาดหวังว่าจะมีความน่าเชื่อถือในฐานะเป็นแบบจำลอง ANN อย่างไรก็ตามผลที่ชี้ให้เห็นว่าสำหรับ
บางกรณีเครือข่ายอัตโนมัติเชื่อมโยงสามารถทำงานได้ดีขึ้น เครือข่ายอัตโนมัติเชื่อมโยงไม่ได้ทำงานได้ดีในส่วนของฐานข้อมูลใน
แง่ของการลดข้อผิดพลาด แต่ค้นพบความสัมพันธ์ระหว่างปัจจัยการผลิตและการส่งออก แม้ว่าผลลัพธ์ที่ได้จากอัตโนมัติเชื่อมโยง
เครือข่ายจะไม่เทียบเท่ากับผู้ที่ได้รับผ่านทางวิธีการอื่น ๆ พวกเขายังคงมีแนวโน้มอย่างมาก มันเป็นเรื่องสำคัญที่จะพูดถึง
ว่าเครือข่ายอัตโนมัติเชื่อมโยงไม่เพียง แต่สามารถนำไปใช้ประโยชน์ในการสร้างเอาท์พุท แต่ยังสามารถนำมาใช้สำหรับการตรวจสอบของค่าที่ขาดหายใน
การป้อนพารามิเตอร์

ผลลัพธ์ (ไทย) 3:

5 . สรุปข้อสังเกต
โดยอัตโนมัติการเชื่อมโยงเครือข่ายวิธีการขั้นตอนวิธีการเรียนรู้แบบสำรวจโดยใช้เจ็ดฐานข้อมูลวิศวกรรม ผลของพารามิเตอร์การป้อนข้อมูลเกี่ยวกับผลผลิตขึ้นอยู่กับเกณฑ์การประเมินสถิติถูกนำมาใช้เพื่อศึกษาสถาปัตยกรรมที่เหมาะสมที่สุด
ของแบบจำลองโครงข่ายประสาทเทียม ในขณะที่แผนที่ป้อนพารามิเตอร์ที่ ออก ชั้นได้เป็นอย่างดีอัตโนมัติการเชื่อมโยงเครือข่ายแบบคงที่ใช้
ผลผลิตจากแบบจำลอง ANN กับพารามิเตอร์ที่ป้อนเข้าเพื่อสร้างใหม่ ผลการปรับปรุง ตลอดจนเพื่อให้สะท้อน
ของคาดการณ์ผลผลิตและพารามิเตอร์การป้อนข้อมูล เนื่องจากความจริงที่ว่าเครือข่ายโดยอัตโนมัติเชื่อมโยงที่เหมาะในปัจจัยการผลิตและผลผลิต ( s )
สถิติวัดความถูกต้องของผลที่ไม่ได้คาดหวังที่จะเป็นที่เชื่อถือได้เป็น แอน รุ่น อย่างไรก็ตาม ผลการศึกษาพบว่าสำหรับ
บางกรณีอัตโนมัติการเชื่อมโยงเครือข่ายสามารถดำเนินการได้ดีขึ้น อัตโนมัติเชื่อมโยงเครือข่ายได้ไม่ดีในส่วนของฐานข้อมูลใน
แง่ช่วยลดความผิดพลาด แต่พบความสัมพันธ์ระหว่างปัจจัยการผลิตและผลผลิตแม้ว่าผลจากเครือข่ายโดยอัตโนมัติเชื่อมโยง
ไม่สามารถ เทียบได้กับผู้ที่ได้ผ่านวิธีการอื่น ๆ พวกเขายังมีมากมีแนวโน้ม มันเป็นน่าสังเกตว่า
เครือข่ายโดยอัตโนมัติเชื่อมโยงไม่เพียง แต่สามารถถูกใช้เพื่อสร้างผลงาน แต่ยังสามารถใช้สำหรับการตรวจสอบการหายตัวไปของค่า
พารามิเตอร์การป้อนข้อมูล