I. Introduction to Neural Networks

I. Introduction to Neural Networks
I. Supervised Learning A. Introduction to Perceptron Perceptron refers to a class of neural networks developed more than forty years ago. The learning rule associated with it is a modification of an earlier algorithm called the Hebb rule. A learning rule is a means of finding a suitable set of weights to match the input patterns to their target outputs. The process is an iterative one in which the sequence of patterns are presented to the network and the weights, initially set to zero or to random values, are updated according to the particular rule used. The patterns are repeated until the outputs match or are arbitrarily close to the target vales. The number of iterations is referred to as training epochs.

The Perceptron algorithm is shown below. It assumes bipolar outputs and is based on the rationale that by adding to or subtracting from each weight the product of the input and target output values on the associated line, the outputs move in a direction toward their target values.

Results (Thai) 1:

I. บทนำเครือข่ายประสาท I. แบบมีผู้สอนเรียนอ.แนะนำเพอร์เซปตรอนเพอร์เซปตรอนหมายถึงระดับของเครือข่ายประสาทที่พัฒนามากว่าสี่สิบปีที่ผ่านมา กฎการเรียนรู้ที่เกี่ยวข้องเป็นการปรับเปลี่ยนของอัลกอริทึมก่อนหน้านี้เรียกว่ากฎ Hebb กฎการเรียนรู้วิธีการค้นหาชุดที่เหมาะสมของน้ำหนักให้ตรงกับรูปแบบอินพุตกับเอาท์พุตของเป้าหมายได้ กระบวนการหนึ่งซ้ำซึ่งมีแสดงลำดับที่ของรูปแบบเครือข่าย และมีลงน้ำหนัก ตั้งค่าศูนย์ หรือ ค่าสุ่ม กฎเฉพาะที่ใช้ได้ รูปแบบมีการทำซ้ำจนกว่าแสดงผลตรงกับ หรือโดยมัก vales เป้าหมาย จำนวนการเกิดซ้ำจะถูกอ้างถึงเป็น epochs ฝึกอบรม อัลกอริทึมเพอร์เซปตรอนจะแสดงด้านล่าง สมมติแสดงผลไฟที่ไบโพลาร์ และยึดตามผลที่เพิ่ม หรือลบจากน้ำหนักแต่ละผลิตภัณฑ์ของอินพุตและเป้าหมายผลผลิตค่าบนบรรทัดเกี่ยวข้อง outputs ย้ายทิศทางไปทางค่าเป้าหมาย

Results (Thai) 3:

ผมแนะนำเครือข่ายประสาท
ฉันยานเจมินี 5 . แนะนำธรรมดาธรรมดา หมายถึง ระดับของโครงข่ายประสาทเทียมที่พัฒนากว่าสี่สิบปีที่ผ่านมา การเรียนรู้กฎที่เกี่ยวข้องกับมันคือการแก้ไขขั้นตอนวิธีก่อนหน้านี้เรียกว่ากฎเฮบ . กฎการเรียนรู้เป็นวิธีการหาที่เหมาะสมสำหรับน้ำหนักเพื่อให้ตรงกับรูปแบบเพื่อป้อนผลผลิตเป้าหมายกระบวนการเป็นวิธีการหนึ่งซึ่งในลำดับของรูปแบบที่ถูกนำเสนอให้เครือข่ายและน้ำหนัก เริ่มตั้งศูนย์หรือค่าสุ่ม ที่มีการปรับปรุงตามกฎที่เฉพาะเจาะจงใช้ เป็นรูปแบบซ้ำจนกว่าผลการแข่งขันหรือร่วมใกล้ชิดกับเป้าหมาย vales . จำนวนของการทำซ้ำจะเรียกว่า epochs การฝึกอบรม

โดยวิธีธรรมดาที่แสดงอยู่ด้านล่าง มันถือว่าสองเอาท์พุทและอยู่บนพื้นฐานของเหตุผลที่ได้โดยการเพิ่มหรือลบจากแต่ละน้ำหนักผลิตภัณฑ์ของอินพุตและเอาต์พุตเป้าหมายค่าในที่บรรทัดให้ผลไปในทิศทางที่มีต่อค่าเป้าหมายของพวกเขา