where Oi (Id = x) is the output of

where Oi (Id = x) is the output of the network for the training example i with its
dth input replaced by the x value. The same for Oi (Id = x + ), but the dth input is
replaced by x +  where  is a small value added to the dth input.
It can be seen, how there is a correspondence between the importance of the
variables given by the sensitivity analysis, and the absolute value of the weight for
that variable in each trained neural network. These results show that the selected
antecedents, by the algorithm, have higher influence over the output variable (see

Kết quả (Việt) 1:

nơi Oi (Id = x) là đầu ra của mạng ví dụ đào tạo tôi với của nóDth đầu vào thay thế bằng giá trị x. Tương tự cho Oi (Id = x +), nhưng đầu dth làthay thế bởi x + nơi là một nhỏ giá trị gia tăng để dth đầu vào.Nó có thể được nhìn thấy, làm thế nào đó là một sự tương ứng giữa tầm quan trọng của cácbiến được đưa ra bởi phân tích độ nhạy, và giá trị tuyệt đối của trọng lượng chođó biến trong từng đào tạo mạng nơ-ron. Các kết quả cho thấy rằng các lựa chọndòng, thuật toán, có các ảnh hưởng cao trên các biến đầu ra (xem

Kết quả (Việt) 2:

nơi Oi (Id = x) là đầu ra của mạng cho các ví dụ huấn luyện tôi với nó
đầu vào dth thay thế bằng các giá trị x. Điều này cũng cho Oi (Id = x +?), Nhưng đầu vào dth được
thay thế bằng x +? ở đâu? là một giá trị nhỏ thêm vào đầu vào dth.
Nó có thể được nhìn thấy, làm thế nào có sự tương ứng giữa tầm quan trọng của các
biến được đưa ra bởi các phân tích độ nhạy, và các giá trị tuyệt đối của trọng lượng cho
rằng biến trong mỗi mạng thần kinh được đào tạo. Những kết quả này cho thấy các lựa chọn
tiền đề, ​​bởi các thuật toán, có ảnh hưởng cao hơn so với các biến đầu ra (xem