In this paper, we have presented a

In this paper, we have presented a new approach to selecting features for neural nets called
ANNIGMA-wrapper that makes the wrapper model of feature selection practical in real-world
neural net-based applications. The ANNIGMA-wrapper approach was successfully applied to two
real-world data mining applications in the helicopter industry. Experimental results against standard datasets from UCI repository show that ANNIGMA-wrapper performs well for datasets with
various characteristics and suggest that a simple approach like ANNIGMA-wrapper can perform
equally well or better than existing sophisticated feature selection techniques.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราได้นำเสนอวิธีการเลือกคุณลักษณะเรียกว่าตาข่ายประสาทใหม่ANNIGMA-ห่อที่ทำแบบกระดาษห่อของคุณลักษณะเลือกปฏิบัติในโลกจริงประสาทตามสุทธิโปรแกรมประยุกต์ ใช้วิธีห่อ ANNIGMA สองเรียบร้อยแล้วโปรแกรมประยุกต์การทำเหมืองข้อมูลจริงในอุตสาหกรรมเฮลิคอปเตอร์ ผลการทดลองกับ datasets มาตรฐานจาก UCI เก็บแสดงว่า กระดาษห่อ ANNIGMA ทำดีสำหรับ datasets ด้วยลักษณะต่าง ๆ และแนะนำง่ายวิธีเช่นกระดาษห่อ ANNIGMA สามารถดีเท่า ๆ หรือดีกว่าเทคนิคการเลือกคุณลักษณะที่ซับซ้อนที่มีอยู่

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราได้นำเสนอแนวทางใหม่ในการเลือกคุณลักษณะประสาทที่เรียกว่าANNIGMA-เสื้อคลุมที่ทำให้รูปแบบการห่อหุ้มของการเลือกคุณลักษณะในการปฏิบัติจริงของโลกการใช้งานบนสุทธิประสาท วิธี ANNIGMA-ห่อหุ้มถูกนำมาใช้ประสบความสำเร็จกับสองข้อมูลจริงของโลกการใช้งานในอุตสาหกรรมการทำเหมืองแร่เฮลิคอปเตอร์ ผลการทดลองกับชุดข้อมูลมาตรฐานจากการแสดงที่เก็บ UCI ที่ ANNIGMA-เสื้อคลุมมีประสิทธิภาพดีสำหรับชุดข้อมูลที่มีลักษณะต่างๆและชี้ให้เห็นว่าวิธีการง่ายๆเช่นANNIGMA-ห่อสามารถดำเนินการอย่างเท่าเทียมกันหรือดีกว่าที่มีอยู่คุณลักษณะเทคนิคการเลือกที่มีความซับซ้อน

ผลลัพธ์ (ไทย) 3:

ในบทความนี้เราได้นำเสนอวิธีการใหม่ในการเลือกคุณสมบัติสำหรับตาข่ายประสาทที่เรียกว่า
annigma ห่อที่ห่อแบบเลือกปฏิบัติในโลกแห่งความจริง
ประสาทสุทธิการใช้งานตามคุณลักษณะ การ annigma ห่อแบบใช้เรียบร้อยแล้ว 2
ข้อมูลที่เป็นจริงการประยุกต์ใช้ในอุตสาหกรรมเหมืองแร่ เฮลิคอปเตอร์ผลการทดลองกับข้อมูลมาตรฐานจาก UCI กรุ แสดงให้เห็นว่า annigma ห่อมีประสิทธิภาพดีสำหรับข้อมูลกับ
ลักษณะต่างๆ และแนะนำวิธีการง่ายๆ เช่น annigma ห่อสามารถดำเนินการ
เท่าเทียมกันดี หรือดีกว่าเดิมที่ซับซ้อนคุณลักษณะการเลือกเทคนิค .