419
£µ¡¸É
1 ´
ª°¥n
µ¨µ¦Î
µµ¥ ¦¸
¸É
o
°µ¦¦´
Ân
n
µ Neural Network
Áª¨µÄµ¦°Á}
°´
´
°¦°µ Fuzzy-PSO ´
´Ê
缃
°µÃ¦µ¸Ê
Áo
Ħ³·
·
£µ¡
°µ¦
¡¥µ¦r
¦µµd
Á}
®¨´
Î
µÄ®o
浦´Ê
¸Ê
笼
°ª·
¸
Back Propagation Neural Network Á}
´
ªÂ¸É
Äo
ĵ¦
¡¥µ¦r
Ã¥´
Î
µÄ¦¼
Â
°Ã¦Â¦¤¦³¥»
r
Î
µÁ¦È
¦¼
ÁªÈ
åĦ³¸Ê
¼o
Äo
µµ¤µ¦¸É
³Á¨º
°¦´
Ân
n
µ Neural network Åo
Á° ¨³Á¨º
°Î
µªª´
¸É
o
°µ¦Î
µµ¥
¨Åo
Ân
³¤¸
o
°Î
µ´
Á¡¸
¥Å¤n
Á·
30 ª´
Ã¥¼o
Äo
o
°Î
µµ¦Á¨º
°®»o
¸É
³Äo
Î
µµ¥, Î
µªª´
¸É
o
°µ¦Î
µµ¥,
Î
µª Input Node, Î
µª¦°¸É
³ Train Åo
µ¤¸É
o
°µ¦Ä¦¸
¸É
¼o
Äo
¤¸
ªµ¤¦¼o
¡ºÊ
µÄµ¦Äo
æ
n
µ¥
¦³µÁ¸
¥¤Á¡ºÉ
°³Åo
ªµ¤¼
o
°Â¤n
¥Î
µÄµ¦Î
µµ¥ Á¤ºÉ
°¼o
Äo
Î
µµ¦Á¨º
°Â¨³»i
¤Î
µµ¥¦µµ®»o
È
³
¦µ
o
°¤¼
¨Â¨³¦µ¢¸É
¦³Åo
Î
µµ¦ª·
Á¦µ³®r
°°¤µ ¨¸É
Åo
³Â°°¤µÁ}
´
¨´
¬r
µ¦r
´
£µ¡¸É
1
¦»
¨Â¨³ª·
µ¦r
µ¦¡¥µ¦r
¨µ®»o
Ã¥Äo
æ
n
µ¥¦³µÁ¸
¥¤´
Á}
ª·
¸
®¹É
°µ¦ª·
Á¦µ³®r
µÁ·
¸É
Åo
¦´
ªµ¤·
¥¤Â¡¦n
®¨µ¥¤µ ÁºÉ
°µÁ}
´
ªÂ¸É
¤¸
ªµ¤¥º
®¥»n
¼
µ¤µ¦¦´
Ân
¡µ¦µ¤·
Á°¦r
Åo
®¨µ®¨µ¥Ä®o
Á®¤µ³¤´
µ¦¡¥µ¦r
Ħ¼
Ân
µÇ °µ¸Ê
æ
n
µ¥¦³µÁ¸
¥¤¥´
¤¸
µ¦Î
µ
o
°¤¼
¨¸É
Á·
¹
Ê
Ä°¸
¤µ
Á¦¸
¥¦¼o
Á¡ºÉ
°Äo
Î
µ®¦´
µ¦¡¥µ¦r
n
µÄ°µÅo
°¸
o
ª¥ µª·
´
¥¸Ê
¹
Åo
Á°´
ªÂ Î
µ®¦´
¡¥µ¦r
®»
o
1, 5, 7
¨³ 30 ª´
¨n
ª®o
µ Ã¥´
ªÂ¸Ê
Á}
´
ªÂæ
n
µ¥¦³µÁ¸
¥¤ÂÁ¦¸
¥¦¼o
¡¦n
¨´
¸É
¤¸
Î
µª´Ê
n
°Á¡¸
¥
´Ê
Á¸
¥ª ¨³Î
µªÃ®Ä´Ê
n
°µ¤µ¦Î
µ®Á°Åo
Á¡ºÉ
°¸É
³Î
µÄ®o
µ¦¡¥µ¦r
Įo
n
µ¨µÁ¨ºÉ
°o
°¥»
Ã¥Äo
o
°¤¼
¨
°®»o
¸É
¤¸
µ¦ºÊ
°
µ¥Ä¨µ®¨´
¦´
¡¥r
®n
¦³Á«Å¥ Än
ªe
¡»
«´
¦µ 2551-2552 Î
µ®¦´
µ¦ª´
¦³·
·
£µ¡
°´
ªÂª´
µn
µ°´
¦µµ¦Î
µµ¥¼
¨n
µªµ¤Á¦È
ª¸É
Äo
ĵ¦Á¦¸
¥¦¼o
Ã¥Á¦¸
¥Á¸
¥µ¦
¡¥µ¦r
°´Ê
µ¤´
ªÂ