Secondly, several authors have revi

Secondly, several authors have reviewed recent studies where ANNs were applied to CAD problems, and suggested that a logistic model (such as a perceptron) would have likely provided similar performance while avoiding over-fitting problems. Indeed, many recent studies in the field of CAD have been based upon linear discriminant models [17–20]. Any lessons learned from optimizing perceptrons would thus likely be useful to the field of CAD research.

ผลลัพธ์ (ไทย) 1:

ประการที่สอง หลายผู้เขียนได้ทบทวนการศึกษาล่าสุดที่ ANNs กับปัญหา CAD และแนะนำว่า แบบโลจิสติก (เช่นเพอร์เซปตรอน) จะมักให้ประสิทธิภาพคล้ายกันขณะที่หลีกเลี่ยงปัญหาที่เหมาะสมมากเกินไป แน่นอน หลายการศึกษาล่าสุดใน CAD ได้ถูกใช้ตามแบบจำลองเชิงเส้น discriminant [17-20] บทเรียนใด ๆ จาก perceptrons ที่ปรับให้เหมาะสมจึงอาจจะเป็นประโยชน์ด้านการวิจัยของ CAD

ผลลัพธ์ (ไทย) 2:

ประการที่สองผู้เขียนหลายแห่งมีการทบทวนการศึกษาล่าสุดที่ ANNs ถูกนำไปใช้ในการแก้ไขปัญหา CAD และชี้ให้เห็นว่ารูปแบบการโลจิสติก (เช่นตรอน) จะได้ให้แนวโน้มผลการดำเนินงานที่คล้ายกันขณะที่หลีกเลี่ยงปัญหาที่เหมาะสมมากกว่า อันที่จริงการศึกษาล่าสุดจำนวนมากในเขตของ CAD ที่ได้รับขึ้นอยู่กับรูปแบบการจำแนกเชิงเส้น [17-20] บทเรียนใด ๆ ที่ได้เรียนรู้จากการเพิ่มประสิทธิภาพ perceptrons จึงมีแนวโน้มที่จะเป็นประโยชน์ในการด้านการวิจัยถ่อย

ผลลัพธ์ (ไทย) 3:

ประการที่สอง ผู้เขียนหลาย มีการตรวจสอบการศึกษาล่าสุดที่ทางประยุกต์ปัญหา CAD และชี้ให้เห็นว่าแบบจำลองโลจิสติก ( เช่นธรรมดา ) ก็จะมีแนวโน้มที่จะให้ประสิทธิภาพที่คล้ายกันในขณะที่การหลีกเลี่ยงกับการแก้ไขปัญหาที่เหมาะสม แท้จริงแล้วการศึกษาล่าสุดหลายในด้าน CAD ได้ตามเส้นจำแนกรุ่น [ 17 – 20 ]บทเรียนที่ได้รับจากการเพิ่มประสิทธิภาพเพอร์เซปตรจึงน่าจะมีประโยชน์ในด้านการวิจัย CAD