Ernst Kussul and Tatiana Baidyk[7]

Ernst Kussul and Tatiana Baidyk[7]
have efficiently
developed a novel neural classifier Limited Receptive
Area (LIRA). The classifier LIRA is contained of three
neuron layers: output, sensor and associative layers.
The classifier was tested over two image databases. The
first database is the MNIST database which contained
60,000 handwritten digit images for the classifier
training and 10,000 handwritten digit images for the
classifier testing. The second database has 441 images
of the assembly micro device. For dividing the database
a random procedure was used to test and train subsets.
The classifier LIRA provides error rate of 0.61% as a
mean value of three trials.

ผลลัพธ์ (ไทย) 1:

เอิร์นสท์ Kussul และ Baidyk ตะตยานา [7] ได้อย่างมีประสิทธิภาพพัฒนา classifier ประสาทนวนิยายครอบครัวจำกัดตั้ง (รา) Classifier ราอยู่สามชั้นของเซลล์ประสาท: ผลผลิต เซนเซอร์ และชั้นที่เกี่ยวข้องClassifier การทดสอบ 2 รูปฐานข้อมูลได้ ที่ฐานแรกคือ ฐานข้อมูล MNIST ที่อยู่ภาพเขียนด้วยลายมือตัวเลข 60000 classifier ที่อบรม และ 10000 ตัวลายมือเขียนภาพสำหรับการclassifier ทดสอบ ฐานข้อมูลที่สองมีภาพ 441อุปกรณ์ไมโครแอสเซมบลี การแบ่งฐานข้อมูลขั้นตอนการสุ่มถูกใช้เพื่อทดสอบ และฝึกย่อยClassifier รามีอัตราข้อผิดพลาดของ 0.61% เป็นการหมายถึง มูลค่าของการทดลองที่ 3

ผลลัพธ์ (ไทย) 2:

เอิร์นส์และ Kussul Tatiana Baidyk [7]
ได้อย่างมีประสิทธิภาพการพัฒนาลักษณนามประสาทนวนิยาย จำกัด อ่อนไหวพื้นที่(ลีร่า) ลีร่าลักษณนามที่มีอยู่สามชั้นเซลล์ประสาท: การส่งออกเซ็นเซอร์และชั้นเชื่อมโยง. ลักษณนามได้รับการทดสอบในช่วงสองฐานข้อมูลภาพ ฐานข้อมูลครั้งแรกเป็นฐานข้อมูลที่มี MNIST 60,000 ภาพที่เขียนด้วยลายมือหลักสำหรับลักษณนามการฝึกอบรมและ10,000 ภาพที่เขียนด้วยลายมือหลักสำหรับการทดสอบการจําแนก ฐานข้อมูลที่สองมี 441 ภาพของอุปกรณ์ไมโครชุมนุม สำหรับการแบ่งฐานข้อมูลขั้นตอนการสุ่มถูกนำมาใช้ในการทดสอบและย่อยรถไฟ. ลีร่าลักษณนามให้อัตราความผิดพลาดของ 0.61% ซึ่งเป็นค่าเฉลี่ยในสามของการทดลอง

ผลลัพธ์ (ไทย) 3:

และนาย kussul Tatiana baidyk [ 7 ]

มีได้อย่างมีประสิทธิภาพพัฒนานิยายประสาทแบบจำกัดพื้นที่อ่อนไหว
( Lira ) การจำแนก Lira ที่มีอยู่ 3
เซลล์ชั้น : ผลผลิต , เซ็นเซอร์และเชื่อมโยงชั้น .
การจำแนกทดสอบผ่านฐานข้อมูลรูปภาพ 2
ฐานข้อมูลเป็นฐานข้อมูลที่มี mnist
60 , 000 ภาพหลักลายมือสำหรับลักษณนาม
การฝึกอบรมและ 10000 ภาพตัวเลขที่เขียนด้วยลายมือสำหรับ
แบบทดสอบ ฐานข้อมูลที่สองมี 441 ภาพ
สมัชชา Micro อุปกรณ์ การฐานข้อมูล
ขั้นตอนการสุ่มแบบทดสอบและฝึกย่อย .
การจำแนก Lira มีอัตราความผิดพลาดของ 0.61 % เป็น
ค่าเฉลี่ย 3 การทดลอง