6.8 APPLICATION OF ARTIFICIAL NEURA

6.8 APPLICATION OF ARTIFICIAL NEURAL NETWORKS
1.classification. A neural network can be trained to predict a categorical(i,e., class-label) output variable.
In a mathematical sense, this involves dividing an n-dimensional space into various regions and given a point in the space one should real-world applications of pattern recognition, where each pattern is transformed into a multidimensional point and classified into a certain group, each of which represents a known pattern.
Type of ANN used for this task include feedforward networks (such as MLP with backpropagation leaning), radial basis functions, and probabilistic neural networks.

ผลลัพธ์ (ไทย) 1:

6.8 แอพลิเคชันของเครือข่ายประสาทเทียม1.classification สามารถอบรมเครือข่ายประสาทเพื่อทำนายที่แน่ชัด (ฉัน e. ป้าย ชื่อคลาส) ตัวแปรผลการ ในทางคณิตศาสตร์ความรู้สึก ซึ่งเกี่ยวข้องกับพื้นที่ n มิติการแบ่งภูมิภาคต่าง ๆ และกำหนดจุดในพื้นที่หนึ่งควรใช้งานจริงของการรู้จำรูปแบบ ที่แต่ละรูปแบบจะเปลี่ยนเป็นจุดที่หลาย และแบ่งกลุ่มบาง ซึ่งแสดงถึงรูปแบบชื่อดัง ชนิดของแอนน์ใช้สำหรับงานนี้มีเครือข่าย feedforward (เช่น MLP กับ backpropagation เอียง), ฟังก์ชันฐานรัศมี และเครือข่ายประสาท probabilistic

ผลลัพธ์ (ไทย) 2:

6.8 การประยุกต์ใช้โครงข่ายประสาทเทียม
1.classification เครือข่ายประสาทสามารถผ่านการฝึกอบรมในการทำนายเด็ดขาด (i, e. ชั้น-label) ตัวแปรเอาท์พุท.
ในความหมายทางคณิตศาสตร์นี้เกี่ยวข้องกับการแบ่งพื้นที่ n มิติลงไปในภูมิภาคต่าง ๆ และได้รับการจุดในพื้นที่หนึ่งควรจริง การใช้งานที่โลกของการจดจำรูปแบบซึ่งแต่ละรูปแบบจะกลายเป็นจุดหลายมิติและแบ่งออกเป็นบางกลุ่มซึ่งแต่ละแสดงให้เห็นถึงรูปแบบที่เป็นที่รู้จักกัน.
ประเภท ANN ใช้สำหรับงานนี้รวมถึงเครือข่ายคราท (เช่น MLP กับพิงแพร่กระจายย้อนกลับ), รัศมี ฟังก์ชั่นพื้นฐานและเครือข่ายประสาทความน่าจะเป็น

ผลลัพธ์ (ไทย) 3:

6.8 การใช้โครงข่ายประสาทเทียม
1.classification . เครือข่ายประสาทสามารถฝึกทำนายเป็นเด็ดขาด ( I , E . , ป้ายคลาส ) ตัวแปรเอาท์พุท
ในความรู้สึกทางคณิตศาสตร์นี้เกี่ยวข้องกับการแบ่งพื้นที่ n-dimensional ในภูมิภาคต่าง ๆ และให้จุดในพื้นที่หนึ่งควรใช้โปรแกรมรูปแบบการรับรู้ซึ่งแต่ละรูปแบบจะเปลี่ยนเป็นจุดหลายมิติแบ่งออกเป็นกลุ่มหนึ่ง ซึ่งเป็นที่รู้จักกันในรูปแบบ
ประเภทแอนใช้สำหรับงานนี้ รวมถึงเครือข่ายไปข้างหน้า ( เช่น MLP กับแบบเอียง ) , ฟังก์ชันฐานรัศมี และโครงข่ายการ .