In this paper, the NN (Neural Netwo

In this paper, the NN (Neural Network) and SVR (Support Vector Regression) algorithms were discussed and proposed, based on NN and SVR algorithms, for the purpose of solving the over-supply of off-season longan. Integrating Fuzzy prediction theory with NN and SVR provided more accurate and precise results and significantly saved on the computational runtime required during training. Unfortunately, the reducing input models either RINN or RISVR based was illustrated to save computation runtime but obtained low accurate and precise results. For further study, their optimal structure may be the problem interested which can be introduced particle swam search approach.

Results (Thai) 1:

ในกระดาษนี้ เอ็นเอ็น (โครงข่ายประสาท) และอัลกอริทึม SVR (สนับสนุนเวกเตอร์การถดถอย) กล่าวถึง และการนำเสนอ อิง NN และ SVR อัลกอริทึม เพื่อวัตถุประสงค์ในการแก้ปัญหามากกว่าอุปทานของลำไยนอกฤดู รวมทฤษฎีทำนายเลือนกับ NN และ SVR ให้ผลลัพธ์ที่ แม่นยำมากขึ้น และบันทึกในการรันไทม์คำนวณที่จำเป็นในระหว่างการฝึกอบรมอย่างมีนัยสำคัญ อับ รุ่นอินพุตลด RINN หรือ RISVR คะแนนแสดงการบันทึกคำนวณรันไทม์ แต่ได้ผลลัพธ์ที่ถูกต้อง และแม่นยำต่ำ เพื่อการศึกษา โครงสร้างที่เหมาะสมอาจเป็นปัญหาที่สนใจซึ่งสามารถนำอนุภาคพยายามค้นหาวิธี

Results (Thai) 2:

ในกระดาษนี้ NN (Neural Network) และ SVR (เวกเตอร์สนับสนุนการถดถอย) ขั้นตอนวิธีการที่ถูกกล่าวถึงและนำเสนอบนพื้นฐานของ NN และ SVR อัลกอริทึมสำหรับวัตถุประสงค์ของการแก้ปัญหามากกว่าอุปทานของลำไยนอกฤดู การบูรณาการทฤษฎีทำนายฟัซซี่กับ NN และ SVR ที่จัดไว้ให้ผลลัพธ์ที่ถูกต้องและแม่นยำมากขึ้นและบันทึกอย่างมีนัยสำคัญในการคำนวณรันไทม์ที่จำเป็นระหว่างการฝึกอบรม แต่น่าเสียดายที่การลดรูปแบบการป้อนข้อมูลอย่างใดอย่างหนึ่งหรือ Rinn RISVR based เป็นตัวอย่างที่จะบันทึก Runtime คำนวณ แต่ได้ผลลัพธ์ที่ถูกต้องและแม่นยำต่ำ สำหรับการศึกษาต่อโครงสร้างที่ดีที่สุดของพวกเขาอาจจะมีปัญหาที่สนใจซึ่งสามารถนำอนุภาควิธีการค้นหาว่ายน้ำ

Results (Thai) 3:

ในกระดาษนี้ , nn ( เครือข่ายประสาท ) และ SVR ( สนับสนุนเวกเตอร์การถดถอย ) ขั้นตอนวิธีที่ถูกกล่าวถึงและนำเสนอบนพื้นฐานและ NN SVR อัลกอริทึมเพื่อแก้ปัญหามากกว่าอุปทานลำไยนอกฤดูกาล บูรณาการทฤษฎีฟัซซี่กับการทำนายและไม่กล่าวให้ผลลัพธ์ที่ถูกต้องและแม่นยำ และช่วยอย่างมากใน runtime คอมพิวเตอร์ต้องใช้ระหว่างการฝึก แต่น่าเสียดายที่การป้อนข้อมูลแบบให้ rinn หรือตาม risvr แสดงบันทึกการคำนวณ runtime แต่ได้ผลลัพธ์ที่ถูกต้องและแม่นยำต่ำ สำหรับการศึกษาเพิ่มเติม โครงสร้างที่เหมาะสมของพวกเขา อาจจะมีปัญหาที่สนใจ ซึ่งสามารถนำอนุภาคว่ายน้ำวิธีการค้นหา