This paper will present a brief ove

This paper will present a brief overview of a simple two-layer neural
network structure and a supervised learning algorithm called Perceptron.
In supervised learning the network is trained to map a given set of input
patterns to known outputs. After the patterns have been “learned” the
network can be tested for patterns with errors present. With the aid of
MATLAB programs created by the author, Perceptron learning is first
applied to a problem of alphabetic character recognition, which relates to
the application of handwriting analysis. The algorithm is then used to train
a network to distinguish among square, triangular and sinusoidal
waveforms. The network is then tested by, superimposing a given level of
“random” noise on each waveform, and determining whether the “noisy”
waveforms can still be distinguished from each other. A third example
replaces the waveforms by three sinusoids at separate frequencies.
Learning and testing is again done in the presence of noise for decreasing
separation of the waveform frequencies.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้จะนำเสนอภาพรวมโดยย่อของเรื่องสองชั้นประสาทโครงสร้างเครือข่ายและการเรียนรู้ที่มีอัลกอริทึมเรียกเพอร์เซปตรอนเรียนรู้มี เครือข่ายคือการฝึกอบรมต้องกำหนดชุดของอินพุตรูปแบบการแสดงผลที่รู้จักกัน หลังจากที่รูปแบบมีการ "เรียนรู้"สามารถทดสอบเครือข่ายในรูปแบบที่มีข้อผิดพลาด ด้วยความช่วยเหลือของโดยผู้เขียนโปรแกรม MATLAB เพอร์เซปตรอนเรียนเป็นครั้งแรกใช้การรู้จำอักขระ ซึ่งเกี่ยวข้องกับปัญหาแอพลิเคชันการวิเคราะห์ลายมือ อัลกอริทึมถูกใช้เพื่อฝึกเครือข่ายเพื่อแยกระหว่างสี่เหลี่ยม สามเหลี่ยม และ sinusoidalwaveforms เครือข่ายอยู่แล้วทดสอบ โดย superimposing ระดับที่กำหนดเสียง "สุ่ม" ในแต่ละรูปคลื่น และกำหนดว่าการ "คะ"waveforms สามารถยังคงแตกต่างกัน อย่างที่สามแทน waveforms ตาม sinusoids สามที่ความถี่แยกต่างหากเรียนรู้ และทดสอบอีกเสร็จในต่อหน้าของเสียงสำหรับลดแยกความถี่รูปคลื่น

ผลลัพธ์ (ไทย) 2:

บทความนี้จะนำเสนอภาพรวมคร่าวๆของง่ายสองชั้นประสาท
โครงสร้างเครือข่ายและการเรียนรู้ขั้นตอนวิธีการที่เรียกว่าภายใต้การดูแล Perceptron.
ในการกำกับดูแลการเรียนรู้เครือข่ายที่มีการฝึกอบรมเพื่อ map ชุดที่กำหนดของการป้อนข้อมูล
ไปยังรูปแบบเอาท์พุทเป็นที่รู้จัก หลังจากที่รูปแบบที่ได้รับการ "เรียนรู้"
เครือข่ายสามารถหารูปแบบการทดสอบมีข้อผิดพลาดในปัจจุบัน ด้วยความช่วยเหลือของ
โปรแกรม MATLAB ที่สร้างขึ้นโดยผู้เขียนเรียนรู้ Perceptron เป็นครั้งแรกที่
นำไปใช้กับปัญหาของการรู้จำตัวอักษรตัวอักษรที่เกี่ยวข้องกับ
การประยุกต์ใช้การวิเคราะห์ลายมือ อัลกอริทึมที่ใช้แล้วในการฝึกอบรม
เครือข่ายเพื่อแยกความแตกต่างในหมู่สี่เหลี่ยมสามเหลี่ยมและซายน์
รูปคลื่น เครือข่ายมีการทดสอบแล้วโดยซ้อนระดับที่กำหนดของ
"สุ่ม" เสียงในรูปแบบของคลื่นในแต่ละครั้งและระบุว่า "ที่มีเสียงดัง"
คลื่นยังคงสามารถจะแตกต่างจากคนอื่น ๆ ตัวอย่างที่สาม
แทนที่คลื่นสามไซน์ที่ความถี่แยกต่างหาก.
การเรียนรู้และการทดสอบจะทำอีกครั้งในการปรากฏตัวของเสียงในการลด
การแยกรูปแบบของคลื่นความถี่

ผลลัพธ์ (ไทย) 3:

บทความนี้จะนำเสนอภาพรวมโดยย่อของวิรัลสองชั้น
โครงสร้างเครือข่ายและควบคุมการเรียนรู้ขั้นตอนวิธีเรียกธรรมดา .
ในยานเจมินี 5 เครือข่าย คือฝึกให้แผนที่กำหนดรูปแบบการป้อนข้อมูล
รู้จักเอาท์พุท หลังจากที่รูปแบบได้ " เรียนรู้ "
เครือข่ายสามารถทดสอบรูปแบบ มีข้อผิดพลาดอยู่ ด้วยความช่วยเหลือของโปรแกรม MATLAB
สร้างโดยผู้เขียนเพอร์เซปตรอนการเรียนรู้เป็นครั้งแรก
ใช้กับปัญหาของการรับรู้ตัวอักษรซึ่งเกี่ยวข้องกับ
ประยุกต์ใช้การวิเคราะห์ลายมือ วิธีคือใช้รถไฟ
เครือข่ายเพื่อแยกความแตกต่างระหว่างสี่เหลี่ยม , สามเหลี่ยมและรูปคลื่นไซน์
. เครือข่ายแล้วทดสอบโดยซ้อนระดับที่กําหนดของ
" สุ่ม " เสียงในแต่ละแบบ และกำหนดว่า " เสียงดัง "
นี่ก็แตกต่างจากแต่ละอื่น ๆ ตัวอย่างที่ 3
แทนที่รูปสาม sinusoids ที่ความถี่ที่แยกต่างหาก .
การเรียนรู้และการทดสอบอีกครั้งในการแสดงเพื่อลดเสียง

แยกสัญญาณความถี่