In the Eq. (10), b1 is set to a col

In the Eq. (10), b1 is set to a column vector of 0.8326/ SPREAD. The SPREAD is the distance between an input vector and a neuron’s weight vector. The data from the input neurons are used to compute an output ai by a typical pattern neuron i, where IWj,i is a specific training vector represented by pattern neuron i, and rj is the smoothing parameter. The shape of the basic function figure in the latent layer No. j is decided by rj. The neurons of the third layer, namely the summation neurons, receive the outputs of the pattern neurons. In the third layer, the outputs from all pattern neurons are augmented. Simple and weighted summations are conducted in neurons of the third layer. The outputting of the network can be represented as Eq. (11). LWk,j is the pattern neuron j connected to weights of the third layer, ai would be obtained in Eq

ผลลัพธ์ (ไทย) 1:

ใน Eq. (10), b1 ถูกกำหนดเป็นเวกเตอร์คอลัมน์ของ 0.8326 / แพร่กระจาย การแพร่กระจายคือ ระยะห่างระหว่างเวกเตอร์การอินพุตและเวกเตอร์น้ำหนักของเซลล์ประสาท ข้อมูลจาก neurons เข้าใช้ในการคำนวณการไอออก โดยเซลล์ประสาทมีรูปแบบทั่วไป IWj ฉันเป็น specific ฝึกอบรมเวกเตอร์แทน ด้วยรูปแบบเซลล์ประสาทฉัน และ rj เป็นพารามิเตอร์ผืน รูปร่างของ figure ฟังก์ชันพื้นฐานในชั้นเจเลขที่แฝงอยู่จะตัดสินใจ โดย rj Neurons ของชั้นที่สาม คือการรวม neurons, outputs ของ neurons รูปแบบได้ แสดงผลจาก neurons รูปทั้งหมดจะออกเมนต์ในชั้นที่สาม มีดำเนินการง่าย และถ่วงน้ำหนักผลใน neurons ของชั้นที่สาม แสดงผลของเครือข่ายแสดงเป็น Eq. (11) LWk, j เป็นเจเซลล์ประสาทรูปแบบการเชื่อมต่อน้ำหนักของชั้นที่สาม ไอจะได้รับในคณะกรรมการ

ผลลัพธ์ (ไทย) 2:

ในสมการ (10), b1 ถูกตั้งค่าเป็นเวกเตอร์คอลัมน์ 0.8326 / กระจาย การแพร่กระจายเป็นระยะห่างระหว่างเวกเตอร์เข้าและเวกเตอร์น้ำหนักของเซลล์ประสาท ข้อมูลที่ได้จากเซลล์ประสาทการป้อนข้อมูลที่ใช้ในการคำนวณการส่งออกเอไอโดยรูปแบบปกติของเซลล์ประสาทฉันที่ IWj ฉันคือการฝึกอบรมคระบุไว้เวกเตอร์ที่แสดงโดยรูปแบบเซลล์ประสาท i และ rj เป็นพารามิเตอร์เรียบ รูปร่างของฟังก์ชั่นพื้นฐานสาย Gure ในชั้นแฝงฉบับที่เจจะตัดสินใจโดย rj เซลล์ประสาทของชั้นที่สามคือเซลล์ประสาทบวกที่ได้รับผลของเซลล์ประสาทรูปแบบ ในชั้นที่สาม, เอาท์พุทจากเซลล์รูปแบบทั้งหมดที่มีการเติม summations ถ่วงน้ำหนักที่เรียบง่ายและจะดำเนินการในเซลล์ของชั้นที่สาม outputting ของเครือข่ายที่สามารถแสดงเป็นสมการ (11) LWk เจเป็นรูปแบบเจเซลล์ประสาทที่เชื่อมต่อกับน้ำหนักของชั้นที่สาม, ai จะได้รับในสมการ

ผลลัพธ์ (ไทย) 3:

ในอีคิว ( 10 ) , B1 มีการตั้งค่าคอลัมน์เวกเตอร์ของ 0.8326/ กระจาย การแพร่กระจายคือระยะทางระหว่างอินพุตเวกเตอร์และเวกเตอร์น้ำหนักของเซลล์ประสาท . ข้อมูลจากอินพุตเซลล์ประสาทที่ใช้คำนวณผลผลิต AI โดยทั่วไปรูปแบบเซลล์ผมที่ iwj ผมเป็นประเภท C การฝึกอบรมจึงแสดงโดยรูปแบบเวกเตอร์เซลล์ผมและ RJ เป็นเรียบพารามิเตอร์รูปร่างพื้นฐานการทำงานจึง gure ในแฝงชั้นไม่ เจ จะตัดสินใจโดย RJ . เซลล์ประสาทในชั้นที่สามคือการรวมประสาท , ได้รับผลของแบบแผนเซลล์ประสาท ในชั้นสาม ผลผลิตจากเซลล์ประสาทรูปแบบทั้งหมดจะถูกเพิ่ม . ง่ายและมีน้ำหนัก summations ) ในเซลล์ประสาทของชั้นสาม การสร้างของเครือข่ายที่สามารถแสดงเป็นอีคิว ( 11 )lwk J J เป็นแบบแผน เซลล์ประสาทเชื่อมต่อกับน้ำหนักของชั้นสาม ไอจะได้ในอีคิว