類神經網路

1. A8 規則：如知識應用為學習及知識加值高時，則知識提供為 知識群集。

（五）知識社群為大地工程群集

1. A6 規則：如知識提供為智慧及知識應用為貢獻時，則知識社 群屬於大地工程。

2. A16 規則：如知識應用為貢獻及時間為第四季時，則知識社 群屬於大地工程。

（六）知識社群為監造的藝術群集

1. A7 規則：如知識應用為知識及知識加值高時，則知識社群屬 於監造的藝術。

2. A9 規則：如知識應用為學習及知識提供為知識時，則知識社 群屬於監造的藝術。

3. A17 規則：如知識應用為學習及時間為第四季時，則知識社 群屬於監造的藝術。

（七）知識社群為水土環境資源社群群集

1. A10 規則：如知識應用為無關及知識提供為低度相關時，則 知識社群屬於水土環境資源社群。

表4.8 類神經網路輸入值

Order No ForumNume TechCode DeptCode kapply kshare Kva Time 2625 棟樑 D00 建築部 取得 資訊 100 第二季 2626 棟樑 D00 第一結構部 取得 資訊 100 第二季 2627 棟樑 D00 捷運部 取得 資訊 100 第二季 2628 棟樑 D00 中辦處 無關 資訊 50 第三季 2629 棟樑 C00 建築部 無關 資訊 50 第三季 2630 棟樑 C00 林口監造計畫 取得 知識 50 第三季 2631 棟樑 C00 地工部 無關 知識 50 第三季 2632 棟樑 C00 捷運部 使用 知識 50 第三季 2633 棟樑 B00 地工部 取得 資訊 50 第三季 2634 棟樑 C25 建築部 取得 資訊 50 第三季

一、類神經網路探勘模型一如圖4.10 所示，類神經網路檢視介紹如表 4.9 所示：

表4.9 類神經網路模型一介紹

屬性/模型類別 Ann1

輸入值 Kshare 低度相關

Kapply 無關

變數

Forum Name 橋樑探索 值 1 63.82%

Forum Name ＄精算師 值 1 52.72%

Time 第二季 值 1 49.82%

輸出值 Kva值 1: 5.00~26.507 Kva值 2: 63.535~100.000

圖 4.10 類神經網路檢視器介面一

二、類神經網路探勘模型二如圖4.11 所示，類神經網路檢視介紹如表 4.10 所示：

表4.10 類神經網路模型二介紹

屬性/模型類別 Ann2

輸入值 Kshare 知識

Kapply 學習

變數

Forum Name 監造的藝術 值 2 80.15%

Time 第四季 值 2 70.91%

Time 第三季 值 2 70.64%

輸出值 Kva值 1: 5.00~26.507 Kva值 2: 63.535~100.000

圖4.11 類神經網路檢視器介面二

三、類神經網路探勘結果說明

（一）類神經網路模型一介紹：

1. 輸入值 Kshare 設定為低度相關及 Kapply 為無關，變數所得社 群為橋樑探索及輸出值 Kva 為 5～26.507 間之機率為 63.82%。

2. 輸入值 Kshare 設定為低度相關及 Kapply 為無關，變數所得社 群為＄精算師及輸出值 Kva 為 5～26.507 間之機率為 52.72%。

3. 輸入值 Kshare 設定為低度相關及 Kapply 為無關，變數所得時 間為第二季及輸出值 Kva 為 5～26.507 間之機率為 49.82%。

（二）類神經網路模型二介紹：

1. 輸入值 Kshare 設定為知識及 Kapply 為學習，變數所得社群為 監造的藝術及輸出值 Kva 為 63.535～100 間之機率為 80.15%。

2. 輸入值 Kshare 設定為知識及 Kapply 為學習，變數所得時間為 第四季及輸出值 Kva 為 63.535～100 間之機率為 70.91%。

3. 輸入值 Kshare 設定為知識及 Kapply 為學習，變數所得時間為 第三季及輸出值 Kva 為 63.535～100 間之機率為 70.64%。