several modified versions havebeen

several modified versions have
been proposed to remedy this drawback. Shen et al. [25] developed
a modified BPSO for feature selection in MLR and PLS modeling. And
then Li et al. [26] proposed a new data mining algorithm to learn
Bayesian networks structures based on memory BPSO method
and the Minimum Description Length principle. A memory influence
is added to prevent and overcome premature convergence.

ผลลัพธ์ (ไทย) 1:

มีหลายรุ่นที่แก้ไขการนำเสนอการคืนเงินนี้ เชิน et al. [25] พัฒนาBPSO ปรับเปลี่ยนสำหรับการเลือกคุณลักษณะในการสร้างโมเดล MLR และกรุณา และแล้ว Li et al. [26] เสนออัลกอริธึมการทำเหมืองข้อมูลใหม่ในการเรียนรู้ทฤษฎีโครงสร้างตามหน่วยความจำ BPSO วิธีที่เครือข่ายและความยาวต่ำสุดอธิบายหลักการ อิทธิพลหน่วยความจำเพิ่มการป้องกัน และเอาชนะบรรจบกันก่อนวัยอันควร

ผลลัพธ์ (ไทย) 2:

รุ่นแก้ไขหลายคนได้
รับการเสนอเพื่อแก้ไขข้อบกพร่องนี้ Shen และคณะ [25] การพัฒนา
BPSO แก้ไขสำหรับการเลือกคุณลักษณะในอัตราดอกเบี้ย MLR และ PLS การสร้างแบบจำลอง และ
จากนั้นหลี่และคณะ [26] เสนอขั้นตอนวิธีการทำเหมืองข้อมูลใหม่เพื่อเรียนรู้
โครงสร้างเครือข่ายแบบเบย์ตามวิธี BPSO หน่วยความจำ
และหลักการรายละเอียดความยาวขั้นต่ำ อิทธิพลของหน่วยความจำ
จะถูกเพิ่มในการป้องกันและเอาชนะการบรรจบกันก่อนวัยอันควร

ผลลัพธ์ (ไทย) 3:

หลายรุ่นแก้ไขได้
ถูกเสนอที่จะแก้ไขข้อบกพร่องนี้ . Shen et al . [ 25 ] พัฒนา
ดัดแปลง bpso เลือกคุณสมบัติในเบื้องต้น และช่วยการสร้างโมเดล และ
จากนั้น Li et al . [ 26 ] เสนอใหม่เหมืองข้อมูลขั้นตอนวิธีการเรียนรู้แบบเบย์เครือข่ายโครงสร้างขึ้นอยู่กับความทรงจำ

bpso วิธีสุดความยาวและอธิบายหลักการ ความทรงจำอิทธิพล
เพิ่มป้องกันและเอาชนะการบรรจบกันก่อน .