Finally, for a new input pattern to

Finally, for a new input pattern to know which is the network, of the first classification
obtained by bisection method, that it must be use for the best approximation.
Now, it is necessary to use radial basis function (RBF) by cluster
grouping, and to detect which of the networks obtained in the first part, it must
be used to obtain the best prediction. The radial basis network is not able, in this
case, give more accurate output, but it is possible to decide the cluster or class
which it belongs. Radial basis neural networks detected by the algorithm k-means
cluster potential, that exists within the data set, this allows us to detect, for a new
input, which is the network to use. RBF neural networks provide a powerful
alternative to multilayer perceptron to classify a pattern set. In this article, we
propose to use radial basis neural networks in order to find the classification
when a new input pattern appears.

Kết quả (Việt) 1:

Cuối cùng, cho một mô hình đầu vào mới để biết là mạng lưới, việc phân loại đầu tiênthu được bằng phương pháp bisection, mà nó phải là sử dụng cho xấp xỉ tốt nhất.Bây giờ, nó là cần thiết để sử dụng chức năng xuyên tâm cơ sở (RBF) của clusterNhóm, và phát hiện đó của các mạng lưới thu được trong phần đầu tiên, nó phảiđược sử dụng để có được dự đoán tốt nhất. Xuyên tâm cơ sở mạng là không thể, ở đâytrường hợp, cung cấp cho sản lượng chính xác hơn, nhưng có thể quyết định cụm hoặc lớpnó thuộc về. Cơ sở xuyên tâm thần kinh mạng lưới phát hiện bởi các thuật toán k-phương tiệncụm tiềm năng, mà tồn tại trong các thiết lập dữ liệu, điều này cho phép chúng tôi để phát hiện, cho một mớiđầu vào, mà là mạng để sử dụng. Mạng nơ-ron RBF cung cấp một mạnh mẽthay thế cho đa lớp perceptron để phân loại các mô hình một thiết lập. Trong bài này, chúng tôiđề xuất để sử dụng mạng nơ-ron xuyên tâm cơ sở để tìm việc phân loạiKhi một mô hình đầu vào mới xuất hiện.

Kết quả (Việt) 2:

Cuối cùng, cho một mô hình đầu vào mới biết đó là mạng, của sự phân loại đầu tiên
thu được bằng phương pháp chia làm hai đoạn, mà nó phải được sử dụng cho xấp xỉ tốt nhất.
Bây giờ, nó là cần thiết để sử dụng chức năng cơ sở xuyên tâm (RBF) bằng cụm
nhóm, và để phát hiện được trong những mạng lưới thu được ở phần đầu tiên, nó phải
được sử dụng để có được những dự đoán tốt nhất. Mạng lưới cơ sở xuyên tâm là không có khả năng, trong này
trường hợp, cung cấp cho đầu ra chính xác hơn, nhưng nó có thể quyết định các cụm hoặc lớp
mà nó thuộc về. Cơ sở Radial mạng thần kinh được phát hiện bởi các thuật toán k-means
tiềm năng cluster, mà tồn tại trong tập hợp dữ liệu, điều này cho phép chúng ta phát hiện, cho một mới
đầu vào, đó là mạng lưới để sử dụng. Mạng nơron RBF cung cấp một mạnh mẽ
thay thế cho Multilayer perceptron để phân loại một mô hình thiết lập. Trong bài viết này, chúng tôi
đề xuất sử dụng các mạng thần kinh cơ sở xuyên tâm để tìm ra các phân loại
khi một mô hình đầu vào mới xuất hiện.