Although this thesis is focusing on

Although this thesis is focusing on combining neural networks, for completeness of this
section we feel it is necessary to mention that a few experiments have been done with
hybrid ensembles. Wang et al [146] combined decision trees with neural networks. They
found that when the neural networks outnumbered the decision trees, but there was at least
1 decision tree, the system performed better than any other ratio. Langdon [82] combines
decision trees with neural networks in an ensemble, and uses Genetic Programming to
evolve a suitable combination rule. Woods et al [150] combines neural networks, k-nearest
neighbour classifiers, decision trees, and Quadratic Bayes classifiers in a single ensemble,
then uses estimates of local accuracy in the feature space to choose one classifier to respond
to a new input pattern.

ผลลัพธ์ (ไทย) 1:

แม้ว่าวิทยานิพนธ์นี้จะเน้นในการรวมเครือข่ายประสาท สำหรับความสมบูรณ์นี้ส่วนที่เรารู้สึกว่า จำเป็นต้องพูดถึงว่า กี่ทดลองได้ด้วยผสมวงการ ต้นไม้การตัดสินใจรวม [146] วัง et al กับเครือข่ายประสาท พวกเขาพบว่าเมื่อต้นไม้ตัดสินใจกำลังออกเครือข่ายประสาท แต่มีน้อยต้นไม้การตัดสินใจ 1 ระบบทำดีกว่าอัตราส่วนอื่น รวมมาก [82]ตัดสินใจต้นไม้กับเครือข่ายประสาทในเพลิดเพลิน และใช้การเขียนโปรแกรมทางพันธุกรรมเพื่อพัฒนากฎชุดที่เหมาะสม เครือข่ายประสาท k ใกล้รวมป่า et al [150]คำนามภาษา ต้นไม้การตัดสินใจ และคำนามภาษา Bayes กำลังสองในวงดนตรีที่เดียว เพื่อนบ้านใช้ประเมินความถูกต้องเฉพาะในพื้นที่คุณลักษณะเลือก classifier หนึ่งตอบสนองรูปแบบอินพุตใหม่

ผลลัพธ์ (ไทย) 2:

แม้ว่างานวิจัยนี้จะมุ่งเน้นไปที่การรวมเครือข่ายประสาทเพื่อความสมบูรณ์ของเรื่องนี้ส่วนที่เรารู้สึกว่ามันเป็นสิ่งที่จำเป็นต้องพูดถึงว่าการทดลองไม่กี่ได้รับทำด้วยความตระการตาไฮบริด วัง et al, [146] ต้นไม้ตัดสินใจรวมกับเครือข่ายประสาท พวกเขาพบว่าเมื่อเครือข่ายประสาทมากกว่าต้นไม้ตัดสินใจ แต่อย่างน้อยก็มี 1 ต้นไม้ตัดสินใจระบบการดำเนินการดีกว่าอัตราส่วนอื่น ๆ แลงดอน [82] รวมต้นไม้ตัดสินใจกับเครือข่ายประสาทในวงดนตรีและการใช้โปรแกรมทางพันธุกรรมเพื่อพัฒนากฎการรวมกันที่เหมาะสม วูดส์และอัล [150] รวมเครือข่ายประสาท k-ที่ใกล้ที่สุดลักษณนามเพื่อนบ้านต้นไม้ตัดสินใจและกำลังสองBayes ลักษณนามในชุดเดียวแล้วใช้ประมาณการของความถูกต้องในท้องถิ่นพื้นที่คุณลักษณะที่จะเลือกหนึ่งลักษณนามที่จะตอบสนองไปยังรูปแบบการป้อนข้อมูลใหม่

ผลลัพธ์ (ไทย) 3:

แม้ว่างานวิจัยนี้จะเน้นการรวมโครงข่ายประสาทเทียมเพื่อความครบถ้วนสมบูรณ์ของส่วนนี้
เรารู้สึกว่ามีความจำเป็นที่จะต้องพูดถึงการทดลองไม่กี่ได้รับเสร็จ
ตระการตา ลูกผสม Wang et al [ 146 ] รวมใจปลูกต้นไม้ด้วยโครงข่ายประสาทเทียม พวกเขา
พบว่าเมื่อโครงข่ายประสาทมากกว่าการตัดสินใจต้นไม้ แต่มีอย่างน้อย
1 โครงสร้างการตัดสินใจระบบแสดงดีกว่าใด ๆอื่น ๆอัตราส่วน แลงดอน [ 82 ] รวม
ต้นไม้การตัดสินใจด้วยโครงข่ายประสาทเทียมในการรวมวง และใช้โปรแกรมเชิงพันธุกรรม
พัฒนากฎการรวมกันที่เหมาะสม ป่า et al [ 150 ] รวมโครงข่ายประสาทเทียมละ
เพื่อนบ้าน , ลักษณนาม ต้นไม้ การตัดสินใจ และกำลังสอง Bayes ลักษณนามในชุดเดียว
แล้วใช้ประมาณการของท้องถิ่น ความถูกต้องในลักษณะพื้นที่ที่จะเลือกหนึ่งตัวเพื่อตอบสนอง
ใหม่ รูปแบบการป้อนข้อมูล