ANN, one of the best efficient comp

ANN, one of the best efficient computational methods
broadly inspired by the organization of the human brain,
has presented good results where the other analytical
and statistical methods could not be effective. The most
important features of an ANN are its abilities to learn, associate,
and be error tolerant. ANN has become a powerful
tool for modeling a system that once had a little or incomplete
understanding of its governing laws [14]. Neural networks
can learn new patterns that are not previously
available in the trained data sets, and since they can update
knowledge over time as long as more training data
sets are provided [15], therefore it is expected that ANN
could simulate the fuel consumption of tractors using the
effective parameters

ผลลัพธ์ (ไทย) 1:

แอน ส่วนประสิทธิภาพคอมพิวเตอร์วิธีหนึ่งแรงบันดาลใจจากองค์กรของสมองมนุษย์ ทั่วไปได้นำเสนอผลลัพธ์ที่ดีที่ที่อื่นวิเคราะห์และไม่สามารถใช้วิธีการทางสถิติ มากสุดคุณลักษณะที่สำคัญของแอนมีความสามารถของการเรียนรู้ เชื่อม โยงและสามารถป้องกันความผิดพลาดข้อผิดพลาด แอนน์ได้กลายเป็น พลังเครื่องมือสำหรับสร้างแบบจำลองระบบที่เคยมี ได้น้อย หรือไม่สมบูรณ์ทำความเข้าใจกฎหมายควบคุม [14] เครือข่ายประสาทสามารถเรียนรู้รูปแบบใหม่ที่ไม่เคยในชุดข้อมูลผ่านการฝึกอบรม และเนื่อง จากพวกเขาสามารถปรับปรุงความรู้ผ่านเวลานานข้อมูลการฝึกอบรมเพิ่มขึ้นชุดมี [15] ดังนั้น คาดว่าแอนสามารถจำลองการใช้เชื้อเพลิงของรถแทรกเตอร์ที่ใช้ในพารามิเตอร์ที่มีผลบังคับใช้

ผลลัพธ์ (ไทย) 2:

แอนซึ่งเป็นหนึ่งในวิธีการคำนวณที่ดีที่สุดที่มีประสิทธิภาพแรงบันดาลใจในวงกว้างโดยองค์กรของสมองมนุษย์ที่ได้นำเสนอผลดีที่การวิเคราะห์อื่นๆวิธีการและสถิติที่ไม่อาจจะมีประสิทธิภาพ ส่วนใหญ่คุณสมบัติที่สำคัญของแอนมีความสามารถในการเรียนรู้ร่วมและมีข้อผิดพลาดใจกว้าง แอนได้กลายเป็นที่มีประสิทธิภาพเครื่องมือสำหรับการสร้างแบบจำลองระบบที่เคยมีเล็ก ๆ น้อย ๆ หรือไม่สมบูรณ์ความเข้าใจในกฎหมายของ[14] โครงข่ายประสาทเทียมสามารถเรียนรู้รูปแบบใหม่ที่ไม่ได้ก่อนหน้านี้ที่มีอยู่ในชุดข้อมูลที่ผ่านการฝึกอบรมและเนื่องจากพวกเขาสามารถปรับปรุงความรู้อยู่ตลอดเวลาตราบเท่าที่ข้อมูลการฝึกอบรมชุดที่มีให้[15] จึงเป็นที่คาดว่า ANN สามารถจำลองการบริโภคน้ำมันเชื้อเพลิงของ รถแทรกเตอร์ใช้พารามิเตอร์ที่มีประสิทธิภาพ

ผลลัพธ์ (ไทย) 3:

แอน หนึ่งในวิธีการที่ดีที่สุดที่มีประสิทธิภาพการคำนวณ
( แรงบันดาลใจจากองค์กรของสมองมนุษย์ ได้นำเสนอผลลัพธ์ที่ดี

และวิธีการวิเคราะห์ทางสถิติอื่น ๆไม่สามารถมีประสิทธิภาพ
ที่สำคัญที่สุดคุณสมบัติของแอนมีความสามารถที่จะเรียนรู้ ภาคี
และข้อผิดพลาดใจกว้าง . แอนได้กลายเป็นที่มีประสิทธิภาพ
เครื่องมือสำหรับการจำลองระบบที่เคยมีความเข้าใจที่ไม่สมบูรณ์
เล็กน้อย หรือ ของกฎหมาย [ 14 ] เครือข่ายประสาท
สามารถเรียนรู้รูปแบบใหม่ที่ไม่ได้ก่อนหน้านี้
ที่มีอยู่ในข้อมูลการฝึกอบรมชุด และตั้งแต่พวกเขาสามารถปรับปรุง
ความรู้ตลอดเวลาตราบเท่าที่การฝึกอบรมเพิ่มเติมข้อมูล
ชุดไว้ [ 15 ] จึงเป็นที่คาดว่าแอน
สามารถจำลองการสิ้นเปลืองเชื้อเพลิงของรถที่ใช้
พารามิเตอร์ที่มีประสิทธิภาพ