เป็นรูปแบบหนึ่งของโครงข่ายประสาทเที

เป็นรูปแบบหนึ่งของโครงข่ายประสาทเทียมที่มีโครงสร้างเป็นแบบชั้น เหมาะสำหรับการวิเคราะห์ที่มีความซับซ้อน โดยมีกระบวนการฝึกฝนเป็นแบบ Supervise และBack propagation. MLP ประกอบไปด้วยชั้นของโหนด 3 ชั้น 1.) Input Layer ประกอบด้วยโหนดต่าง ๆ ที่ได้จากตัวแปรข้างต้น 2.) Hidden Layer จะมีการปรับจูนค่าพารามิเตอร์ ตามภาพที่ 1. จนกระทั่งได้ผลลัพท์ที่แท้จริง เข้าใกล้ผลลัพท์เป้าหมาย และ 3) Output Layer เป็นชั้นที่กำหนดผลลัพธ์ที่ต้องการ

ผลลัพธ์ (อังกฤษ) 1:

As a model of artificial neural network with a layered structure, suitable for sophisticated analysis with a training process, Supervise and Back propagation MLP. Consists of a layer of class 3 node 1.) Input Layer consists of the different nodes that are derived from the above variables 2.) Hidden Layer will have to adjust the parameters according to the image-1. an underlined value until actual results are closer to the target results and Output layer Layer 3) which defines the results you want.

ผลลัพธ์ (อังกฤษ) 2:

As a form of neural networks that are structured as a class. For the analysis of the complex. The training process is Supervise and Back propagation. MLP consists of 3 layers of node 1.) Input Layer consists of nodes that have the above parameters 2.) Hidden Layer are fine tuning the parameters as shown. 1. Until the actual outcome. Approaches outcome goals and 3) Output Layer is the layer that defines the desired results.

ผลลัพธ์ (อังกฤษ) 3:

As a form of artificial neural network to structural model. Suitable for analysis of complex The process of training and a Supervise Back propagation. MLP consists of layers of nodes 3 I 1.) Input Layer consists of nodes, different from the above variables 2.) Hidden Layer a tuning parameter based on image 1. Until the consequences real. Approaching the outcome goals and 3) Output Layer is level determines the desired results.