sorodni izrazi in sinonimi v sodobni slovenščini, hrvaščini in srbščini
Podobnost besed in fraz med rezultati je odvisna od tega, kolikokrat se beseda
ali fraza pojavi v podobnem stavčnem kontekstu kot "mlp ann".
Podobni izrazi in sinonimi za
Kliknite za poizvedbo
Širši sorodni izrazi
Izrazi, ki navajajo mlp ann med svojimi sorodnimi izrazi, a jih seznam zgoraj ne doseže. Njihova podobnost je nižja od podobnosti zadnjega izraza nad njimi.
Pogosto skupaj z
Primeri iz korpusa
Korpus Common Crawl
Common Crawl je korpus spletnih strani
MLP ANN te minimalne vzorce vplivnosti posameznih parametrov sicer zazna, vendar je prisotno večje tveganje prenaučenosti modela.
MLP ANN velja za popolnoma povezano nevronsko mrežo, pri kateri potuje signal zgolj v eno smer in ima vsaj en skriti sloj [162].
MLP ANN modeli so bili postavljeni na podatkih simulacij preoblikovanja proti končni konični obliki izdelka.
MLP ANN modeli so bili naučeni na podatkih, pridobljenih z nateznim preizkusom.
Ob zagotovitvi enakih vrednosti vhodnih parametrov obeh preoblikovalnih procesov in njunih pripadajočih MLP ANN je lahko izvedena enostavna primerjava tanjšanja.
Preko poglobljene študije različnih kombinacij hiperparametrov je bila dosežena optimalna arhitektura MLP ANN za vsakega od analiziranih izhodnih parametrov.
V doktorski disertaciji so bile torej uporabljene MLP ANN, brez povratne zanke, z usmerjenim pretokom podatkov med sloji.
Ta funkcija je v našem primeru pripadajoča MLP ANN, ki je bila naučena napovedovati vrednost izbranega izhodnega parametra.
Potrebno je poudariti, da so bile MLP ANN te doktorske disertacije naučene na podatkih zadostnega števila izvedenih simulacij.
Na podoben način je lahko vplivnostna analiza izvedena s postavljenimi MLP ANN posameznega preoblikovalnega procesa in izhodnega parametra.
Razlog za uporabo MLP ANN je njena sposobnost obravnave nelinearnih problemov z visoko stopnjo medsebojne korelacije med večjim številom spremenljivk [155].
Število skritih nivojev in število nevronov na posameznem skritem sloju sta dva pomembna parametra arhitekture MLP ANN.
Tako je prisotno manjše odstopanje kljub materialnim podatkom in začetni debelini pločevine izven meja treniranja MLP ANN.
Po koncu procesa treniranja MLP ANN je bilo izvedeno napovedovanje, ki je v primerjavi s treniranjem kratko.
MLP ANN za napovedovanje posameznega izhodnega parametra je uporabljena kot funkcija prilagojenosti pri izvedbi optimizacije z GA.
Kljub temu je bilo odstopanje napovedane vrednosti, pridobljene z MLP ANN, od eksperimentalno pridobljene vrednosti manjše od 5 %.
MLP ANN je razdeljena v sloje oziroma nivoje.
Odstopanje 17 % je nastalo zaradi vrednosti pomembnega parametra naklona stene preoblikovanca , ki leži izven meja treniranja MLP ANN (preglednica 4.5).
Vrednosti vhodnih parametrov, ki so zunaj področja učenja MLP ANN, so označene s krepko pisavo.
Napovedovanje s pomočjo MLP ANN je potekalo z enakimi vrednostmi vhodnih parametrov kot pri simulacijah.