RBF ANN is also considered of multi

RBF ANN is also considered of multilayer and forward
feeding configuration. It has the ability to simplify
complex problems, by means of non-linear mapping.
As the complexity increases, adding more perceptron
layers to ANN could lead to longer computational
time and hence slower convergence. Moreover,
discrimination lines are unable to separate among
clusters that are naturally. In these scenarios however,
it may be more tangible to incorporate into
ANN a circular shape discriminator, e.g., Gaussian,
whose extent covers most of the plausible region in
each cluster. This configuration consists of 3 layers,
i.e., n-neural input, one hidden, and n-neural output
layers. The connectivity between input and hidden
layers are hypothetical, while the one between hidden
and out-put layers is specified with a set of adaptive
weights that are adjusted during the neural training
process.

ผลลัพธ์ (ไทย) 1:

ได้มีพิจารณาแอน RBF หลายชั้น และไปข้างหน้าการกำหนดค่าอาหาร มีความสามารถในการทำซับซ้อนปัญหา วิธีการแมปที่ไม่ใช่เชิงเส้นเป็นการเพิ่มความซับซ้อน เพิ่มเพอร์เซปตรอนอย่างชั้นแอนน์อาจคำนวณอีกต่อไปเวลาและบรรจบกันที่ช้าดังนั้น นอกจากนี้บรรทัดการเลือกปฏิบัติไม่สามารถแยกระหว่างคลัสเตอร์ที่เป็นธรรมชาติ ในสถานการณ์เหล่านี้อย่างไรก็ตามมันอาจจะจับต้องได้เพื่อรวมเป็นแอนน์ discriminator เป็นรูปวงกลม เช่น Gaussianมีขอบเขตครอบคลุมส่วนใหญ่ของภูมิภาคนี้เป็นไปได้ในคลัสเตอร์แต่ละ การกำหนดค่านี้ประกอบด้วยชั้น 3เช่น n ประสาทการป้อนข้อมูล หนึ่งที่ซ่อนอยู่ และ n ประสาทชั้น การเชื่อมต่อระหว่างอินพุท และซ่อนชั้นจะสมมุติ ขณะที่ระหว่างซ่อนและระบุชั้นของการวางเข้ากับชุดแบบอะแดปทีฟน้ำหนักที่มีการปรับปรุงในระหว่างการฝึกประสาทกระบวนการ

ผลลัพธ์ (ไทย) 2:

RBF ANN
ถือว่ายังของหลายไปข้างหน้าและการกำหนดค่าการให้อาหาร
แต่ก็มีความสามารถในการลดความซับซ้อนของปัญหาที่ซับซ้อนโดยใช้วิธีการทำแผนที่ที่ไม่ใช่เชิงเส้น.
เป็นความซับซ้อนที่เพิ่มขึ้นเพิ่มมากขึ้นตรอนชั้นเพื่อ ANN อาจนำไปสู่การคำนวณอีกต่อไปเวลาและด้วยเหตุนี้การบรรจบกันช้าลง นอกจากนี้สายการเลือกปฏิบัติไม่สามารถที่จะแยกในหมู่กลุ่มที่มีความเป็นธรรมชาติ ในสถานการณ์เหล่านี้ แต่มันอาจจะเป็นรูปธรรมมากขึ้นจะรวมเข้าไปในแอนdiscriminator รูปร่างกลมเช่นเสียนที่มีขอบเขตครอบคลุมมากที่สุดของภูมิภาคที่เป็นไปได้ในแต่ละกลุ่ม การกำหนดค่านี้ประกอบด้วย 3 ชั้นคือการป้อนข้อมูลn-ประสาทหนึ่งที่ซ่อนอยู่และ n-ประสาทการส่งออกชั้น การเชื่อมต่อระหว่างการป้อนข้อมูลและซ่อนอยู่ชั้นเป็นสมมุติขณะที่หนึ่งระหว่างที่ซ่อนอยู่ชั้นและออกวางที่ระบุไว้กับชุดของการปรับตัวน้ำหนักที่มีการปรับในช่วงการฝึกอบรมประสาทกระบวนการ

ผลลัพธ์ (ไทย) 3:

บริษัท แอนยังถือว่าของ Multilayer และส่งต่อ
ให้อาหาร การตั้งค่า มันมีความสามารถในการลดความซับซ้อน
ปัญหาที่ซับซ้อนโดยใช้แผนที่เชิงเส้น .
เป็นความซับซ้อนที่เพิ่มขึ้น การเพิ่มเลเยอร์ธรรมดา
มากกว่าแอน อาจจะนานกว่าการคำนวณ
และด้วยเหตุนี้เวลาช้าลงบรรจบกัน . นอกจากนี้การเลือกปฏิบัติไม่สามารถแยกสาย

ระหว่างกลุ่มที่มีตามธรรมชาติในสถานการณ์เหล่านี้ แต่มันอาจจะมากขึ้นจริงๆ

แอนรวมเข้ากับรูปร่างวงกลม Discriminator เช่น )
ที่มีขอบเขตครอบคลุม , ส่วนใหญ่ของพื้นที่คล่องใน
แต่ละกลุ่ม การปรับแต่งนี้ประกอบด้วย 3 ชั้น ,
) n-neural เข้าหนึ่งที่ซ่อนอยู่และชั้นออก
n-neural . การเชื่อมต่อระหว่างการป้อนข้อมูลและชั้นซ่อน
จะสมมุติ ในขณะที่หนึ่งระหว่าง
ที่ซ่อนอยู่และออกใส่ชั้นไว้กับชุดของการปรับที่ปรับ
น้ำหนักในระหว่างกระบวนการฝึกอบรม
ประสาท