TNeural Networks have been used as

TNeural Networks have been used as an effective method for solving engineering
problems in a wide range of application areas. We present two basic methods
of analysis: sensitivity analysis and neural networks and its are compared with a
regression model. The method implemented should be applied when the importance
of the input variables change from one to another over the range of the variable to
be predicted. To search for a predictive model, in these cases, implement a set of
functions or hyper planes, that approximate the response variable by a function for
each one of the subintervals, which has divided the range of the output variable. That
is, it divides the range of the variable to predict contiguous and disjoint intervals and

Kết quả (Việt) 1:

TNeural mạng đã được sử dụng như một phương pháp hiệu quả để giải quyết kỹ thuậtvấn đề trong một loạt các lĩnh vực ứng dụng. Chúng tôi trình bày hai phương pháp cơ bảnphân tích: phân tích độ nhạy và mạng nơ-ron và được của nó so với mộtMô hình hồi quy. Các phương pháp thực hiện nên áp dụng khi tầm quan trọngcủa sự thay đổi đầu vào biến từ một đến khác trong phạm vi của biến đểđược dự đoán. Để tìm kiếm một mô hình tiên đoán, trong những trường hợp này, thực hiện một tập hợp cácchức năng hoặc siêu máy bay, mà xác định phản ứng biến bởi một chức năng chomỗi một trong subintervals, đã chia ra phạm vi của các biến đầu ra. Rằnglà, nó phân chia dãy biến để dự đoán tiếp giáp và các khoảng và

Kết quả (Việt) 2:

TNeural Networks đã được sử dụng như một phương pháp hiệu quả để giải quyết kỹ thuật
các vấn đề trong một loạt các lĩnh vực ứng dụng. Chúng tôi trình bày hai phương pháp cơ bản
của phân tích: phân tích độ nhạy và mạng lưới thần kinh và nó được so sánh với một
mô hình hồi quy. Các phương pháp thực hiện nên được áp dụng khi tầm quan trọng
của các biến đầu vào thay đổi từ một đến khác trong phạm vi của biến để
tiên đoán được. Để tìm kiếm một mô hình dự báo, trong những trường hợp này, thực hiện một tập hợp các
chức năng hoặc máy bay siêu, mà gần đúng các biến đáp ứng bởi một hàm cho
mỗi một trong những subintervals, mà đã chia phạm vi của các biến đầu ra. Đó
là, nó phân chia phạm vi của biến để dự đoán khoảng thời gian tiếp giáp và tách rời và