With these features a set of input

With these features a set of input data was built for the neural network (input vector), making up sample totals of 14 undercut (UC), 15 lack of penetration (LP), 17 porosity (PO) and 49 slag inclusion, divided in 24 of nonlinear slag inclusion (NLSI) and 25 of linear slag inclusion (LSI). As the quantity of data was unequal between classes, some classes with less data were duplicated at random in order to obtain 25 samples, the largest quantity available for any one class, in order not to favor any one class during the training of the neural network. However, when considering the slag inclusion (SI) class as only one class, a total of 50 samples were used.

ผลลัพธ์ (ไทย) 1:

ด้วยคุณลักษณะเหล่านี้สร้างชุดของข้อมูลป้อนเข้าสำหรับข่ายประสาท (ป้อนข้อมูลแบบเวกเตอร์), ทำให้ค่าผลรวมตัวอย่างของ undercut 14 (UC), ขาด 15 เจาะ (LP), 17 porosity (PO) และการ รวม 49 slag หาร 24 รวม slag ไม่เชิงเส้น (NLSI) และ 25 ของ slag เชิงรวม (LSI) เป็นจำนวนข้อมูลไม่เท่ากันระหว่างเรียน เรียนบางข้อมูลน้อยถูกซ้ำสุ่มเพื่อให้ได้ตัวอย่าง 25 ปริมาณมากที่สุดสำหรับทุกชั้น การชอบชั้นใด ๆ ในระหว่างการฝึกอบรมของเครือข่ายประสาท อย่างไรก็ตาม เมื่อพิจารณา slag รวม (ซี) ชั้นเป็นชั้นเดียว จำนวน 50 ตัวอย่างใช้

ผลลัพธ์ (ไทย) 2:

ด้วยคุณสมบัติเหล่านี้ชุดของการป้อนข้อมูลถูกสร้างขึ้นสำหรับเครือข่ายประสาท (อินพุทเวกเตอร์) ทำให้ผลรวมของกลุ่มตัวอย่าง 14 ตัดราคา (UC), 15 ขาดการเจาะ (LP), 17 พรุน (PO) และ 49 รวมตะกรันแบ่งออกเป็น 24 ของการรวมตะกรันไม่เชิงเส้น (NLSI) และวันที่ 25 ของการรวมตะกรันเชิงเส้น (LSI) ในขณะที่ปริมาณของข้อมูลที่เป็นไม่เท่ากันระหว่างเรียนบางชั้นเรียนที่มีข้อมูลน้อยถูกซ้ำโดยการสุ่มเพื่อให้ได้ 25 ตัวอย่างปริมาณที่ใหญ่ที่สุดที่มีอยู่สำหรับคนใดคนหนึ่งชั้นเพื่อไม่ให้เป็นที่โปรดปรานระดับใดคนหนึ่งระหว่างการฝึกอบรมของโครงข่ายประสาทเทียม . อย่างไรก็ตามเมื่อพิจารณารวมตะกรัน (SI) ชั้นเป็นเพียงหนึ่งชั้นจำนวน 50 ตัวอย่างถูกนำมาใช้

ผลลัพธ์ (ไทย) 3:

ด้วยคุณสมบัติเหล่านี้เป็นชุดของข้อมูลที่ถูกสร้างขึ้นสำหรับเครือข่ายประสาท ( อินพุตเวกเตอร์ ) สร้างขึ้นตัวอย่างผลรวม 14 ตัดราคา ( UC ) 15 ขาดการเจาะ ( LP ) , 17 มีรูพรุน ( PO ) และ 49 เมื่อรวม , แบ่งออกเป็น 24 ของตะกรันแบบรวม ( nlsi ) และ 25 ของตะกรันการเชิงเส้น ( LSI ) เป็นปริมาณของข้อมูลที่ไม่เท่าเทียมกันระหว่างเรียนบทเรียนบางอย่างกับข้อมูลน้อยถูกทำซ้ำโดยการสุ่มเพื่อให้ได้ 25 ตัวอย่าง ปริมาณที่ใหญ่ที่สุดของใด ๆ ห้องหนึ่ง เพื่อไม่ให้ความโปรดปรานใด ๆของคลาสหนึ่งในระหว่างการฝึกอบรมเครือข่ายประสาท อย่างไรก็ตามเมื่อพิจารณาตะกรันรวม ( ศรี ) ชั้นเป็นเพียงหนึ่งชั้น รวม 50
จำนวนที่ใช้