Sigmoidal neural networks are used

Sigmoidal neural networks are used in a variety of applica- tions because they are universal function approximators that can learn unknown functional relationships by example, in batch or in incremental mode. Supervised training involves the mini- mization of the error between the available data, referred to as training set, and the actual network performance with respect to its adjustable parameters or weights. Consider a training set of error-free input–output values of an unknown function , where and . In supervised batch training, the error function is defined with respect to the entire training set . In incremental training, the network error function to be minimized is defined with respect to one training sample at a time

Kết quả (Việt) 1:

Mạng nơ-ron sigmoidal được sử dụng trong một loạt các applica-tions bởi vì họ là approximators chức năng phổ quát mà có thể tìm hiểu mối quan hệ không xác định chức năng bởi ví dụ, trong lô hoặc trong chế độ gia tăng. Giám sát đào tạo liên quan đến mization mini lỗi giữa các dữ liệu có sẵn, được gọi là đào tạo thiết lập và hiệu suất thực tế mạng đối với các thông số điều chỉnh hoặc trọng lượng của nó. Xem xét một tập hợp đào tạo các lỗi miễn phí đầu vào-đầu ra giá trị của một chức năng không rõ, nơi và. Đào tạo giám sát hàng loạt, lỗi chức năng được xác định đối với các thiết lập toàn bộ đào tạo. Đào tạo gia tăng, chức năng lỗi mạng sẽ được giảm thiểu được xác định đối với một đào tạo mẫu tại một thời điểm

Kết quả (Việt) 2:

Mạng lưới thần kinh xích ma được sử dụng trong một loạt của các ứng dụng, vì họ là xấp xỉ hàm phổ thông có thể tìm hiểu các mối quan hệ chức năng không rõ bằng ví dụ, trong hàng loạt hoặc trong chế độ gia tăng. Đào tạo giám sát liên quan đến việc mization thiểu của các lỗi giữa các dữ liệu có sẵn, gọi là tập huấn luyện, và hiệu suất mạng thực tế đối với các thông số điều chỉnh hoặc trọng lượng của nó. Hãy xem xét một tập huấn luyện của các giá trị đầu vào-đầu ra lỗi-miễn phí của một chức năng không rõ, ở đâu và. Trong đào tạo hàng loạt giám sát, hàm lỗi được xác định đối với toàn bộ tập huấn luyện với. Trong đào tạo gia tăng, hàm lỗi mạng để được giảm thiểu được xác định đối với một mẫu đào tạo tại một thời điểm