Training data for a neural network

Training data for a neural network is generated from the fitness evaluation of each protocol
configuration. The remainder of this subsection describes the training process using an
example policy for the optimization of RAP.
A simple feed forward MultiLayer Perceptron (MLP) was created using the Stuttgart
Neural Network Simulator (SNNS). The SNNS is a software simulator for neural networks
developed at the Institute for Parallel and Distributed High Performance Systems (IPVR) at
the University of Stuttgart. The projects goal is to create an efficient and flexible simulation
environment for research on and application of neural networks. The SNNS consists of two
main components; a simulator kernel and a graphical user interface. The kernel operates on
the internal network data structures and performs all operations of learning and recall

Kết quả (Việt) 1:

Đào tạo các dữ liệu cho một mạng nơ-ron được tạo ra từ việc thẩm định thể dục của giao thức mỗicấu hình. Phần còn lại của tiểu mục này mô tả quá trình đào tạo sử dụng mộtVí dụ các chính sách để tối ưu hóa của RAP.Một nguồn cấp dữ liệu đơn giản Perceptron MultiLayer phía trước (MLP) được tạo ra bằng cách sử dụng StuttgartMạng nơ-ron Simulator (SNNS). SNNS là một phần mềm mô phỏng cho mạng nơ-ronphát triển tại viện song song và phân phối cao hiệu suất hệ thống (IPVR) tạiĐại học Stuttgart. Mục tiêu của dự án là tạo ra một mô phỏng hiệu quả và linh hoạtmôi trường nghiên cứu về và ứng dụng của mạng nơ-ron. SNNS bao gồm haithành phần chính; một hạt nhân mô phỏng và một giao diện người dùng đồ họa. Hạt nhân hoạt động trêndữ liệu nội bộ mạng cấu trúc và thực hiện tất cả hoạt động của học tập và thu hồi

Kết quả (Việt) 2:

Dữ liệu huấn luyện cho một mạng lưới thần kinh được tạo ra từ việc đánh giá thể lực của mỗi giao thức
cấu hình. Phần còn lại của tiểu mục này mô tả quá trình đào tạo sử dụng một
chính sách ví dụ cho việc tối ưu hóa của RAP.
Một loại thức ăn đơn giản về phía trước Multilayer Perceptron (MLP) đã được tạo ra bằng cách sử dụng Stuttgart
Neural Network Simulator (SNNS). Các SNNS là một phần mềm giả lập cho các mạng thần kinh
phát triển tại Viện song song và phân tán cao hiệu suất hệ thống (IPVR) tại
Đại học Stuttgart. Mục tiêu dự án là tạo ra một mô phỏng hiệu quả và linh hoạt
cho môi trường nghiên cứu và ứng dụng các mạng thần kinh. Các SNNS bao gồm hai
thành phần chính; một hạt nhân mô phỏng và một giao diện người dùng đồ họa. Hạt nhân hoạt động trên
các mạng cấu trúc dữ liệu nội bộ và thực hiện tất cả các hoạt động học tập và thu hồi