An artificial neural network is a “

An artificial neural network is a “computational mechanism able to acquire, represent, and compute a mapping from one multivariate space of information to another, given a set of data representing that mapping”. The back-propagation training algorithm is the most frequently used neural network method and is also used in this study. The back-propagation
The function f is usually a non-linear sigmoid function that is applied to the weighted sum of inputs before the signal propagates to the next layer. One advantage of a sigmoid function is that its derivative can be expressed in terms of the function itself:

training algorithm is trained using a set of examples of
associated input and output values. The purpose of an artificial

ผลลัพธ์ (ไทย) 1:

มีโครงข่ายประสาทเทียมเป็น "computational กลไกสามารถรับ แสดง และคำนวณการแมปจากหนึ่งตัวแปรพหุพื้นที่ของข้อมูลไปยังอีก กำหนดชุดข้อมูลแทนที่การแม็ป" อัลกอริทึมการเผยแพร่หลังการฝึกอบรมเป็นวิธีโครงข่ายประสาทที่ใช้บ่อยที่สุด และยังใช้ในการศึกษานี้ หลังการเผยแพร่F ฟังก์ชันจะมีฟังก์ชัน sigmoid ไม่ใช่เชิงเส้นที่ใช้กับผลรวมถ่วงน้ำหนักของปัจจัยการผลิตก่อนแพร่กระจายสัญญาณไปยังชั้นถัดไป ประโยชน์ข้อหนึ่งของฟังก์ชัน sigmoid คือ อนุพันธ์สามารถแสดงในแง่ของการทำงานตัวเอง: อัลกอริทึมของการฝึกอบรมคือการฝึกอบรมโดยใช้ชุดของตัวอย่างเชื่อมโยงค่าอินพุท และเอาท์พุท วัตถุประสงค์ของการประดิษฐ์

ผลลัพธ์ (ไทย) 2:

เครือข่ายประสาทเทียมเป็น "กลไกการคำนวณสามารถที่จะได้รับเป็นตัวแทนและคำนวณการทำแผนที่จากพื้นที่หลายตัวแปรหนึ่งของข้อมูลไปยังอีกที่ได้รับชุดของข้อมูลที่แสดงว่าการทำแผนที่" ขั้นตอนวิธีการฝึกอบรมหลังการขยายพันธุ์ที่ใช้บ่อยที่สุดวิธีเครือข่ายประสาทและยังใช้ในการศึกษานี้ หลังการขยายพันธุ์
ฟังก์ชั่น F มักจะเป็นฟังก์ชั่น sigmoid ที่ไม่ใช่เชิงเส้นที่ใช้กับผลรวมน้ำหนักของปัจจัยการผลิตก่อนที่จะแพร่กระจายสัญญาณไปยังชั้นถัดไป ข้อดีอย่างหนึ่งของฟังก์ชัน sigmoid คืออนุพันธ์ของมันสามารถแสดงออกในแง่ของการทำงานของตัวเอง:

ขั้นตอนวิธีการฝึกอบรมได้รับการฝึกฝนการใช้ชุดตัวอย่างของ
การเชื่อมโยงเข้าและส่งออกค่า วัตถุประสงค์ของเทียม

ผลลัพธ์ (ไทย) 3:

โครงข่ายประสาทเทียมเป็น " กลไกการคำนวณสามารถได้รับ , แสดง , และคำนวณแผนที่จากพื้นที่หลายตัวแปรของข้อมูลอื่น ได้รับชุดของข้อมูลที่แสดงแผนที่ " . การ back-propagation การฝึกอบรมวิธีที่ใช้บ่อยที่สุดเครือข่ายประสาทและยังเป็นวิธีที่ใช้ในการศึกษาครั้งนี้ การ back-propagationฟังก์ชัน f เป็นฟังก์ชันไม่เป็นเชิงเส้นแบบปกติที่ใช้กับผลรวมถ่วงน้ำหนักของกระผมก่อนสัญญาณแพร่กระจายไปยังชั้นต่อไป ประโยชน์ข้อหนึ่งของการทำงานแบบเป็นที่ของอนุพันธ์สามารถแสดงออกในแง่ของฟังก์ชันเอง :ขั้นตอนวิธีการฝึกการอบรมโดยใช้ชุดตัวอย่างของเชื่อมโยงการส่งออกและนำเข้าค่า วัตถุประสงค์ของการประดิษฐ์