7.1.5 Neural Network Architecture a

7.1.5 Neural Network Architecture and Setup for Experiment Three
The neural network architecture are the same as in step 1 (see section 6.1.3). Results from experiment two indicated that the 5 input band power gave better performance, so that was used in this setup as well. Network consisted of 1 input
layer: 5 input nodes, 1 hidden layer: 3 hidden nodes, 1 output layer, 1 node.
Network parameters setup: learning rate was set to 0.2, learning cycles set to 1000.
Activation function for the input layer was linear, sigmoid function for the hidden
and the output layer. Variations of these parameters were also tested, but did not
have any great impact on the results, like in step 1.
7.2 Test Results and Findings
Only results from experiment three are shown here, experiment one and two are
excluded due to the fact that they were unsuccessful attempts.

ผลลัพธ์ (ไทย) 1:

7.1.5 สถาปัตยกรรมเครือข่ายระบบประสาทและการตั้งค่าสำหรับ Experiment 3สถาปัตยกรรมโครงข่ายประสาทจะเหมือนกับขั้นตอนที่ 1 (ดูส่วน 6.1.3) ผลลัพธ์จากการทดลองสองระบุไว้ว่า พลังงาน 5 เข้าวงให้ประสิทธิภาพที่ดีขึ้น เพื่อให้ใช้ในการตั้งค่านี้เป็นอย่างดี เครือข่ายที่ประกอบด้วยอินพุต 1ชั้น: 5 อินพุตโหน ซ่อน 1 ชั้น: 3 ซ่อนโหน ชั้น 1 เอาท์พุท โหน 1ติดตั้งพารามิเตอร์เครือข่าย: การเรียนรู้ราคาถูกตั้งค่าเป็น 0.2 การเรียนรู้กำหนดเป็น 1000 รอบเปิดใช้งานฟังก์ชันสำหรับชั้นอินพุตเป็นฟังก์ชันเชิงเส้น sigmoid สำหรับที่ซ่อนไว้และชั้นเอาต์พุต รูปแบบของพารามิเตอร์เหล่านี้ยังทดสอบ แต่ไม่มีผลกระทบต่อดีผล เช่นในขั้นตอนที่ 17.2 ทดสอบผลและผลเพียงผลจากการทดลองที่ 3 แสดง ทดลองหนึ่งและสองประการแยกออกจากความจริงที่ว่าพวกเขามีความพยายาม

ผลลัพธ์ (ไทย) 2:

7.1.5 โครงข่ายประสาทเทียมสถาปัตยกรรมและการตั้งค่าสำหรับการทดสอบสาม
สถาปัตยกรรมเครือข่ายประสาทเป็นเช่นเดียวกับในขั้นตอนที่ 1 (ดูหัวข้อ 6.1.3) ผลจากการทดลองทั้งสองแสดงให้เห็นว่าอำนาจวง 5 การป้อนข้อมูลให้ประสิทธิภาพที่ดีขึ้นเพื่อให้ใช้ในการตั้งค่านี้ได้เป็นอย่างดี เครือข่ายประกอบด้วย 1 การป้อนข้อมูล
ชั้น: 5 โหนดอินพุต 1 ชั้นซ่อน: 3. โหนดที่ซ่อนอยู่ชั้น 1 ออก 1 โหนด
เครือข่ายตั้งค่าพารามิเตอร์: อัตราการเรียนรู้ที่ถูกกำหนดให้ 0.2 วงจรตั้ง 1000 เรียนรู้
ฟังก์ชั่นการเปิดใช้งานสำหรับการป้อนข้อมูลชั้นเป็น เส้นตรงฟังก์ชั่นสำหรับ sigmoid ที่ซ่อนอยู่
และชั้นเอาท์พุท รูปแบบของพารามิเตอร์เหล่านี้ยังได้รับการทดสอบ แต่ไม่ได้
มีผลกระทบใด ๆ ที่ดีเกี่ยวกับผลเหมือนในขั้นตอนที่ 1
7.2 ผลการทดสอบและผลการวิจัย
เฉพาะผลจากการทดลองสามจะแสดงที่นี่ทดลองหนึ่งและสองจะ
ได้รับการยกเว้นเนื่องจากความจริงที่ว่าพวกเขา ความพยายามที่ไม่ประสบความสำเร็จ

ผลลัพธ์ (ไทย) 3:

7.1.5 ประสาทเครือข่ายสถาปัตยกรรมและการตั้งค่าสำหรับการทดลองสามสถาปัตยกรรมโครงข่ายประสาทเทียมเป็นเช่นเดียวกับในขั้นตอนที่ 1 ( ดูมาตรา 6.1.3 ) ผลที่ได้จากการทดลอง พบว่า 5 ใส่สองวงพลังงานให้มีประสิทธิภาพที่ดีขึ้น เพื่อใช้ในการตั้งค่านี้ได้เป็นอย่างดี เครือข่ายที่ประกอบด้วย 1 ข้อมูลชั้น : 5 โนดอินพุต 1 : 3 ชั้นซ่อนซ่อนโหนด 1 output layer 1 โหนดพารามิเตอร์การตั้งค่าเครือข่ายตั้งค่าอัตราการเรียนรู้คือ 0.2 , เรียนรู้รอบตั้ง 1000การเปิดใช้งานฟังก์ชันสำหรับป้อนชั้นเชิงเส้น , ฟังก์ชันซิกมอยด์สำหรับซ่อนและการแสดงผลชั้น การเปลี่ยนแปลงของพารามิเตอร์เหล่านี้ได้ถูกทดสอบ แต่ไม่ได้มีผลกระทบที่ดีในผลลัพธ์ เช่น ในขั้นตอนที่ 17.2 ผลการทดสอบและการค้นพบผลจากการทดลอง 3 แสดงการทดลองหนึ่งและสองคือแยกออกจากความจริงที่ว่าพวกเขามีความพยายามที่ไม่สำเร็จ