We will adopt the most common NN ty

We will adopt the most common NN type, the multilayer perceptron, where
neurons are grouped into layers and connected by feedforward links (Fig. 2).
Supervised learning is achieved by an iterative adjustment of the network connection
weights, called the training procedure, in order to minimize an error
function. For regression tasks, this NN architecture is often based on one hidden
layer of H hidden nodes with a logistic activation and one output node with a
linear function

ผลลัพธ์ (ไทย) 1:

เราจะนำชนิดเอ็นเอ็นทั่ว เพอร์เซปตรอนหลายชั้น ที่neurons แบ่งชั้น และเชื่อมต่อ ด้วยลิงค์ feedforward (Fig. 2)เรียนรู้ที่มีสามารถทำได้ โดยการปรับปรุงซ้ำของการเชื่อมต่อเครือข่ายน้ำหนัก เรียกขั้นตอนการฝึกอบรม เพื่อลดข้อผิดพลาดฟังก์ชันการ สำหรับงานถดถอย สถาปัตยกรรมนี้ NN มักจะขึ้นอยู่กับหนึ่งซ่อนอยู่ชั้นของโหน H ที่ซ่อนเปิดโลจิสติกและโหนหนึ่งผลการฟังก์ชันเชิงเส้น

ผลลัพธ์ (ไทย) 2:

เราจะนำมาใช้เป็นชนิดที่พบมากที่สุด NN ที่หลาย Perceptron
ที่เซลล์ประสาทถูกแบ่งออกเป็นชั้นและเชื่อมต่อกันด้วยการเชื่อมโยงคราท(รูปที่. 2). การเรียนรู้ภายใต้การควบคุมจะทำได้โดยการปรับซ้ำของการเชื่อมต่อเครือข่ายน้ำหนักที่เรียกว่าขั้นตอนการฝึกอบรมในเพื่อลดข้อผิดพลาดการทำงาน สำหรับงานที่ถดถอยสถาปัตยกรรม NN นี้มักจะขึ้นอยู่กับที่ซ่อนหนึ่งชั้นของH โหนดที่ซ่อนอยู่กับการเปิดใช้งานโลจิสติกและเอาท์พุทโหนดหนึ่งที่มีฟังก์ชั่นเชิงเส้น

ผลลัพธ์ (ไทย) 3:

เราจะ adopt ชนิดที่พบมากที่สุด NN , เพอร์เซปตรอนหลายที่
เซลล์ประสาทจะถูกจัดกลุ่มเป็นชั้น และเชื่อมต่อโดยการเชื่อมโยงไปข้างหน้า ( รูปที่ 2 ) .
การเรียนรู้แบบมีผู้สอนได้โดย การปรับตัวของการเชื่อมต่อเครือข่ายน้ำหนัก
เรียกว่า กระบวนการฝึกอบรม เพื่อลดข้อผิดพลาด
ฟังก์ชัน สำหรับงานที่ถดถอยนี้ NN สถาปัตยกรรมมักจะขึ้นอยู่กับหนึ่งซ่อน
ชั้นของโหนดที่ซ่อน H กับ logistic thailand หนึ่งออกโนดและมี
ฟังก์ชันเชิงเส้น