5. ConclusionThis paper described a

5. Conclusion
This paper described a novel forward selection algorithm SPA for variable selection in multivariate calibration. SPA employs simple operations in a vector space to obtain subsets of variables with small collinearity. It is shown to demand a smaller computational workload than guided random search techniques GRSA , such as genetic algorithms GA , mainly when the total number of variables gets large. Also, unlike SPA, the stochastic nature of GRSA makes them non-dependable for finite optimization time. The restriction in the number of wavelengths to be selected which cannot be larger than the number of . calibration samples is a limitation of SPA. How- ever, this was not a major handicap in the present application. It can also be argued that, if many spectral variables are needed to discriminate the analytes, then a large number of samples will also be required to perform the calibration. The use of SPA with data sets gathered by different multicomponent instrumental techniques is being investigated. Future research could also attempt to employ SPA to provide a initial solution to be further refined by GA. Preliminary results have shown that such procedure allows GA to approach the optimum selection in a smaller time and also help alleviate the uncertainty in its performance

ผลลัพธ์ (ไทย) 1:

5. บทสรุปเอกสารนี้อธิบายขั้นตอนการเลือกนวนิยายส่งสปาสำหรับการเลือกตัวแปรในการสอบเทียบแบบหลายตัวแปร สปามีพนักงานดำเนินงานง่ายในเวกเตอร์การชุดย่อยของตัวแปร ด้วยกันเป็นแผ่นขนาดเล็ก แสดงความต้องการปริมาณงานคำนวณมีขนาดเล็กกว่าที่แนะนำเทคนิคการค้นหาแบบสุ่ม GRSA เช่นขั้นตอนวิธีพันธุกรรม GA ส่วนใหญ่เมื่อจำนวนรวมของตัวแปรใหญ่ ซึ่งแตกต่างจากสปา stochastic ธรรมชาติของ GRSA ทำให้ไม่เชื่อเวลามีจำกัดในการเพิ่มประสิทธิภาพ ข้อจำกัดของจำนวนความยาวคลื่นจะเลือกซึ่งไม่สามารถมีขนาดใหญ่กว่าจำนวน ตัวอย่างการสอบเทียบคือ การจำกัดของสปา วิธี - เคย นี้ไม่ได้แฮนดิแคหลักในโปรแกรมประยุกต์ปัจจุบัน มันสามารถยังสามารถโต้เถียงที่ ตัวแปรสเปกตรัมจำนวนมากต้องการแยกแยะสารวิเคราะห์ แล้วตัวอย่างจำนวนมากจะยังต้องทำการปรับเทียบ สอบสวนการใช้สปาชุดข้อมูลที่รวบรวม โดยเทคนิคการบรรเลง multicomponent แตกต่างกันด้วย วิจัยในอนาคตอาจยังพยายามใช้สปาเพื่อให้การแก้ไขปัญหาเบื้องต้นจะสามารถกลั่นเพิ่มเติม โดยจอร์เจียเบื้องต้นผลลัพธ์ที่ได้แสดงให้เห็นว่า กระบวนการดังกล่าวช่วยให้ GA กับวิธีการเลือกที่ดีที่สุดในเวลาเล็กลง และยัง ช่วยบรรเทาความไม่แน่นอนในผลการดำเนินงาน

ผลลัพธ์ (ไทย) 2:

5. สรุป
บทความนี้อธิบายนวนิยายข้างหน้าขั้นตอนวิธีการเลือกสปาสำหรับการเลือกตัวแปรในการสอบเทียบหลายตัวแปร สปาพนักงานการดำเนินงานที่เรียบง่ายในปริภูมิเวกเตอร์ที่จะได้รับส่วนย่อยของตัวแปรที่มีขนาดเล็ก collinearity มันแสดงให้เห็นว่ามีความต้องการปริมาณงานที่มีขนาดเล็กกว่าคอมพิวเตอร์แนะนำเทคนิคการค้นหาแบบสุ่ม GRSA เช่นขั้นตอนวิธีพันธุกรรม GA ส่วนใหญ่เมื่อจำนวนของตัวแปรที่มีขนาดใหญ่ได้รับ ยังไม่เหมือนสปาธรรมชาติสุ่มของ GRSA ทำให้พวกเขาไม่ใช่เชื่อถือได้สำหรับการเพิ่มประสิทธิภาพเวลา จำกัด ข้อ จำกัด ในจำนวนของความยาวคลื่นที่ได้รับเลือกซึ่งไม่สามารถจะมีขนาดใหญ่กว่าจำนวนของ ตัวอย่างการสอบเทียบเป็นข้อ จำกัด ของสปา อย่างไรก็ตามการที่เคยนี้ไม่ได้เป็นแต้มต่อที่สำคัญในการประยุกต์ใช้ในปัจจุบัน นอกจากนี้ยังสามารถที่ถกเถียงกันอยู่ว่าถ้าตัวแปรสเปกตรัมจำนวนมากที่มีความจำเป็นในการแยกแยะวิเคราะห์แล้วเป็นจำนวนมากของกลุ่มตัวอย่างยังจะต้องดำเนินการสอบเทียบ การใช้งานของสปาที่มีชุดข้อมูลที่รวบรวมโดยใช้เทคนิคการใช้เครื่องมือหลายองค์ประกอบที่แตกต่างกันจะถูกตรวจสอบ การวิจัยในอนาคตยังอาจพยายามที่จะจ้างงานสปาเพื่อให้แก้ปัญหาเบื้องต้นที่จะกลั่นต่อไปโดย GA ผลการศึกษาเบื้องต้นได้แสดงให้เห็นว่าขั้นตอนดังกล่าวจะช่วยให้ GA ที่จะเข้าใกล้ตัวเลือกที่ดีที่สุดในเวลาที่มีขนาดเล็กและยังช่วยบรรเทาความไม่แน่นอนในการทำงานของตน

ผลลัพธ์ (ไทย) 3:

5 . สรุปบทความนี้อธิบายขั้นตอนวิธีการเลือกนวนิยายไปข้างหน้าสปาตัวแปรหลายตัวแปรในการสอบเทียบ สปาพนักงานปฏิบัติการง่ายๆในปริภูมิเวกเตอร์ของตัวแปรที่จะได้รับจาก collinearity ขนาดเล็ก มันแสดงความต้องการที่มีขนาดเล็กกว่าการคำนวณภาระงานแนะนำเทคนิค grsa การค้นหาแบบสุ่ม เช่น อัลกอริทึม กา พันธุกรรม ส่วนใหญ่เมื่อจำนวนตัวแปรที่ได้รับขนาดใหญ่ นอกจากนี้ยังแตกต่างจากสปาธรรมชาติสุ่มของ grsa ทำให้พวกเขาไม่ได้จำกัดเวลาสำหรับการเพิ่มประสิทธิภาพ การจำกัดจำนวนของแสงที่ได้รับเลือก ซึ่งจะมีขนาดใหญ่กว่าจำนวนของ . ตัวอย่างการสอบเทียบเป็นข้อจำกัดของสปา วิธีการ - เคย นี้ไม่ได้เป็นแต้มต่อที่สำคัญในการประยุกต์ใช้ในปัจจุบัน มันสามารถจะแย้งว่า ถ้าตัวแปรการหลายคนต้องแยกแยะสารตัวอย่าง แล้วเป็นจํานวนมาก ก็จะต้องทำการสอบเทียบ ใช้สปาด้วยชุดข้อมูลที่รวบรวมโดยองค์ประกอบที่แตกต่างกันเครื่องมือเทคนิคกำลังถูกสอบสวน การวิจัยในอนาคตยังสามารถพยายามที่จะจ้าง สปา เพื่อให้แก้ไขปัญหาเบื้องต้นจะเพิ่มเติมการกลั่นโดยโรงงาน เบื้องต้นพบว่า กระบวนการดังกล่าวช่วยให้กา วิธีการเลือกที่เหมาะสมในเวลาที่เล็กลง และยังช่วยลดความไม่แน่นอนในประสิทธิภาพของ