In the training phase, the correct

In the training phase, the correct class for each record is known (this is termed supervised training), and the output nodes can therefore be assigned "correct" values -- "1" for the node corresponding to the correct class, and "0" for the others. (In practice it has been found better to use values of 0.9 and 0.1, respectively.) It is thus possible to compare the network's calculated values for the output nodes to these "correct" values, and calculate an error term for each node (the "Delta" rule). These error terms are then used to adjust the weights in the hidden layers so that, hopefully, the next time around the output values will be closer to the "correct" values.

ผลลัพธ์ (ไทย) 1:

ในขั้นตอนการฝึกอบรม คลาสที่ถูกต้องสำหรับแต่ละระเบียนจะรู้จัก (นี้เรียกว่าแบบมีผู้สอนการฝึกอบรม), และผลลัพธ์ดังนั้นสามารถโหนกำหนดค่า "ถูกต้อง" - "1" สำหรับโหนดที่สอดคล้องกับระดับถูกต้อง และ "0" สำหรับคนอื่น (ในทางปฏิบัติ จะพบการใช้ค่า 0.1 และ 0.9 ตามลำดับ) จึงสามารถเปรียบเทียบค่าที่คำนวณของเครือข่ายสำหรับโหนดที่แสดงผลค่าเหล่านี้ "ถูกต้อง" และคำนวณระยะผิดพลาดสำหรับแต่ละโหนด (กฎ "เดลต้า") เงื่อนไขข้อผิดพลาดเหล่านี้จะมีการใช้การปรับน้ำหนักในชั้นซ่อนให้ หวัง ครั้งรอบค่าเอาท์พุทจะใกล้ชิดกับค่า "ถูกต้อง"

ผลลัพธ์ (ไทย) 2:

ในขั้นตอนการฝึกอบรมในชั้นเรียนที่ถูกต้องสำหรับแต่ละระเบียนเป็นที่รู้จักกัน (ซึ่งเรียกว่าการฝึกอบรมภายใต้การดูแล) และโหนดการส่งออกจึงสามารถกำหนดให้ "ถูกต้อง" ค่า - "1" สำหรับโหนดที่สอดคล้องกับระดับที่ถูกต้องและ "0 "สำหรับคนอื่น ๆ (ในทางปฏิบัติจะได้รับพบดีกว่าที่จะใช้ค่า 0.9 และ 0.1 ตามลำดับ.) มันเป็นไปได้ที่จะเปรียบเทียบคำนวณเครือข่ายค่าสำหรับโหนดออกไปเหล่านี้ "ถูกต้อง" ค่านิยมและคำนวณระยะข้อผิดพลาดสำหรับแต่ละโหนด (คน "เดลต้า" กฎ) ข้อผิดพลาดเหล่านี้แง่ถูกนำมาใช้ในการปรับน้ำหนักในชั้นซ่อนเพื่อที่หวังว่าครั้งต่อไปที่อยู่รอบ ๆ ค่าการส่งออกจะได้ใกล้ชิดกับค่าที่ "ถูกต้อง"

ผลลัพธ์ (ไทย) 3:

ในขั้นตอนการฝึกอบรมชั้นเรียนที่ถูกต้องสำหรับแต่ละระเบียนเป็นที่รู้จักกัน ( นี้จะเรียกว่า การฝึกอบรม และผลผลิต ) จึงสามารถกำหนด " ค่าจริง " . . . " 1 " สำหรับโหนดที่สอดคล้องกับการเรียนที่ถูกต้อง และ " 0 " สำหรับคนอื่น ๆ ( ในทางปฏิบัติพบกว่าการใช้ค่า 0.9 และ 0.1 ตามลำดับ) มันจึงเป็นไปได้ที่จะเปรียบเทียบเครือข่ายคำนวณค่าเอาท์พุตโหนดเหล่านี้ " ถูกต้อง " ค่านิยม และหาข้อผิดพลาดคำสำหรับแต่ละโหนด ( " เดลต้า " กฎ ) เงื่อนไขข้อผิดพลาดเหล่านี้จะใช้ในการปรับน้ำหนักในชั้นซ่อนดังนั้น หวังว่าคราวหน้าออกค่าจะใกล้ " ค่านิยมที่ถูกต้อง "