The establishment of the ANN was ba

The establishment of the ANN was based on the same second derivative, vector normalized spectra
used for HCA. The ANN was trained with selected spectral signatures defined by the COVAR algorithm as input data (input neurons) paired with the predefined output classes fresh (refrigerated only) and frozen/thawed chicken meat (output neurons). To achieve optimal network performance, the input and hidden neurons were
automatically adjusted during the iterative training process until
the global errorwas at its minimum (Naumann, 2000). In our study,
ANN training resulted in a single-level ANN using the 22 most
discriminativewavenumbers (input neurons), two hidden neurons,
and two output neurons. Two to three randomly selected spectra of
each of the nine sample groups (R0,2,5 and FT2,5,15,30,75,85) were used
for internal validation. A correct classification was achieved for 20
out of 21 samples. One sample (FT85) yielded an ambiguous result

ผลลัพธ์ (ไทย) 1:

แอนจัดตั้งขึ้นบนอนุพันธ์อันดับสองเดียว เวกเตอร์สเปกตรัมมาตรฐานใช้สำหรับ HCA แอนได้รับการฝึกฝนพร้อมลายเซ็นสเปกตรัมเลือกที่กำหนด โดยอัลกอริทึม covar จะเป็นป้อนข้อมูล (สัญญาณประสาท) กับผลลัพธ์ที่กำหนดไว้ล่วงหน้าเรียนสด (แช่เย็นเท่านั้น) และแช่แข็ง/เตรียมเนื้อไก่ออกประสาท) เพื่อให้บรรลุประสิทธิภาพของเครือข่ายที่ดีที่สุด เซลล์ประสาทเข้า และซ่อนได้ปรับปรุงโดยอัตโนมัติในระหว่างกระบวนการฝึกอบรมซ้ำจนกว่าerrorwas โลกที่ค่าต่ำสุด (นัว 2000) ในการศึกษาของเราการฝึกส่งผลให้ใน ANN ระดับเดียวที่ใช้มากสุด 22 แอนdiscriminativewavenumbers (สัญญาณประสาท เซลล์ประสาทซ่อนสองและเซลล์ประสาทออกสอง สองถึงสามสุ่มเลือกสเปกตรัมของแต่ละตัวอย่างเก้าใช้กลุ่ม (R0, 2, 5 และ 5, 15, 30, 75, 85, FT2)สำหรับการตรวจสอบภายใน ได้ผลการจำแนกถูกต้อง 20จากตัวอย่างที่ 21 หนึ่งในตัวอย่าง (FT85) ผลผลลัพธ์ชัดเจน

ผลลัพธ์ (ไทย) 2:

สถานประกอบการของแอนอยู่บนพื้นฐานของอนุพันธ์ที่สองเดียวกันเวกเตอร์สเปกตรัมปกติ
ใช้สำหรับ HCA แอนได้รับการฝึกฝนที่มีลายเซ็นสเปกตรัมเลือกที่กำหนดโดยขั้นตอนวิธีการ COVAR เป็นข้อมูลอินพุท (เซลล์ประสาทการป้อนข้อมูล) จับคู่กับการเรียนที่กำหนดไว้ล่วงหน้าเอาท์พุทสด (แช่เย็นเท่านั้น) และแช่แข็ง / ละลายเนื้อไก่ (เซลล์ประสาทขาออก) เพื่อให้เกิดประสิทธิภาพสูงสุดของเครือข่ายเข้าและซ่อนเซลล์ประสาทที่ถูก
ปรับโดยอัตโนมัติในระหว่างขั้นตอนการฝึกอบรมซ้ำจนกว่า
errorwas ทั่วโลกที่ต่ำสุด (Naumann, 2000) ในการศึกษาของเรา
การฝึกอบรม ANN ผลในระดับเดียว ANN ใช้มากที่สุด 22
discriminativewavenumbers (เซลล์ประสาทการป้อนข้อมูล) สองเซลล์ประสาทที่ซ่อนอยู่
และสองเซลล์ประสาทเอาท์พุท สองถึงสามสเปกตรัมสุ่มเลือกของ
แต่ละกลุ่มตัวอย่างเก้า (R0,2,5 และ FT2,5,15,30,75,85) ถูกนำมาใช้
สำหรับการตรวจสอบภายใน การจัดหมวดหมู่ที่ถูกต้องก็ประสบความสำเร็จ 20
จาก 21 ตัวอย่าง ตัวอย่างหนึ่ง (FT85) ส่งผลให้ผลไม่ชัดเจน

ผลลัพธ์ (ไทย) 3:

เราทุกคนมีหลัก เราทุกคนมีบุคลิกภาพที่สามารถสมบูรณ์ สรุปได้แค่คำเดียว คุณใช้ชีวิตในเงื่อนไขเหล่านี้และสร้างรอบนี้คำเดียว แบ่งปันโพสต์นี้เพื่อแสดงให้โลกที่คุณคํานิยามและดูสิ่งที่เพื่อนของคุณได้ด้วย