基于數學原理的神經網絡(更新版)
【正文】 ④激活函數的自變量 —— 基 ⑤全局逼近與局部逼近 。 pX *j)(,),(),( M21 kkk UUU ?25 ⑷ 更新各類的聚類中心。 第一類方法： 數據中心從樣本輸人中選取。為解決這一問題，可減少隱節(jié)點的個數，即 N M P N為 樣本維數， P為樣本個數，從而得到廣義 RBF網絡。 ?????????????????????????????????????????ppPPPPPPdddwww????????2121212222111211?????????∵ 將所有樣本輸入一遍，即可得到矩陣 Φ 。 嚴格插值或精確插值 ：是一種完全內插，即該插值曲面必須通過所有數據點。1 第八章 基于數學原理的神經網絡 除了的多層感知器外， 徑向基函數神經網絡(Radial Basis Function Neural Network， RBF網 )是另一類常用的 3層前饋網絡，也可用于函數逼近及分類。插值問題是尋找一個非線性映射函數 F(X)，使其滿足下述插值條件 F(Xp)=d p， p=1, 2, …, P () 式中，函數 F描述了一個插值曲面。 RBF網絡常用學習算法 (1). 徑向基函數的擴展常數 Md2m a x??14 (2). 輸出層的權值 dΦW 1??∴ 只要得到插值矩陣 Φ， 即可由上式解出 W。當樣本數 P很大時，實現網絡的計算量將大得驚人。 22 廣義 RBF網絡設計方法 根據數據中心的取值方法， RBF網的設計方法可分為兩類。令 代表競爭獲勝隱節(jié)點的下標，對每一個輸入樣本 根據其與聚類中心的最小歐式距離確定其歸類 ，即當 *j)(* pj XpX時， 被歸為第 類，從而將全部樣本劃分為 M個子集： ，每個子集構成一個以聚類中心為典型代表的聚
畢業(yè)設計相關推薦
鄂ICP備17016276號-1