The trength/specificity method for

The trength/specificity method for credit apportionment was compared with a procedure we call "accuracy/utility."The features of each of the 20,000 characters were summarized in terms of 16 primitive numerical attributes. Our research focused on machine induction techniques for generating IF-THEN classifiers in which the IF part was a list of values for each of the 16 attributes and the THEN part was the correct category, i.e., one of the 26 letters of the alphabet.
We examined the effects of different procedures for encoding attributes, deriving new rules, and apportioning
credit among the rules. Binary and Gray-code attribute encodings that required exact matches for rule activation
were compared with integer representations that employed fuzzy matching for rule activation. Random and genetic
methods for rule creation were compared with instance-based generalization. The strength/specificity method
for credit apportionment was compared with a procedure we call "accuracy/utility."

Kết quả (Việt) 1:

Phương pháp trength/đặc trưng cho tín dụng tỷ lệ góp được so sánh với một thủ tục chúng ta gọi là "chính xác/Tiện ích." Các tính năng của mỗi nhân vật 20.000 đã tóm tắt về 16 thuộc tính nguyên thủy số. Nghiên cứu của chúng tôi tập trung vào các máy cảm ứng kỹ thuật để tạo ra các máy phân loại sau đó nếu trong đó một phần nếu là một danh sách các giá trị cho mỗi người trong số các thuộc tính 16 và phần đó là thể loại chính xác, ví dụ, một trong 26 chữ cái của bảng chữ cái.Chúng tôi kiểm tra hiệu quả của các thủ tục khác nhau để mã hóa các thuộc tính, phát sinh quy định mới và apportioningtín dụng giữa các quy tắc. Nhị phân và mã hóa thuộc tính màu xám-mã yêu cầu các kết hợp chính xác cho kích hoạt quy tắcđược so sánh với số nguyên đại diện làm việc kết hợp mờ để kích hoạt quy tắc. Ngẫu nhiên và di truyềnphương pháp để tạo ra quy tắc đã được so sánh với dựa trên trường hợp tổng quát. Phương pháp sức mạnh/đặc trưngĐối với tỷ lệ góp tín dụng được so sánh với một thủ tục chúng ta gọi là "chính xác/Tiện ích."

Kết quả (Việt) 2:

Phương pháp trength / đặc hiệu cho phân bổ tín dụng được so sánh với một thủ tục gọi là "chính xác / tiện ích." Các tính năng của mỗi 20.000 ký tự đã được tổng kết trong các điều khoản của 16 thuộc tính số nguyên thủy. Nghiên cứu của chúng tôi tập trung vào các kỹ thuật máy cảm ứng để tạo ra IF-THEN phân loại trong đó phần NẾU là một danh sách các giá trị cho mỗi trong số 16 thuộc tính và các phần THEN là chính xác loại, tức là, một trong 26 chữ cái trong bảng chữ cái.
Chúng tôi kiểm tra tác động của thủ tục khác nhau để mã hóa các thuộc tính, xuất phát quy định mới, và bố trí
tín dụng giữa các quy tắc. Binary và Gray-mã thuộc tính mã hóa mà cần kết hợp chính xác để kích hoạt quy tắc
được so sánh với đại diện nguyên mà sử dụng kết hợp mờ để kích hoạt quy tắc. Ngẫu nhiên và di truyền
phương pháp để tạo ra quy tắc được so sánh với khái quát dụ dựa trên. Sức mạnh / phương pháp đặc hiệu
cho phân bổ tín dụng được so sánh với một thủ tục gọi là "chính xác / tiện ích."