径向基函数（RBF）神经网络
径向基函数（RBF）神经网络 RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下 ...
原文：径向基函数神经网络模型与学习算法
年，Powell提出了多变量插值的径向基函数 RBF 方法。 年Moody和Darken提出了一种神经网络结构，即RBF神经网络，属于前向神经网络类型，它能够以任意精度逼近任意连续函数，特别适合于解决分类问题。 RBF网络的结构与多层前向网络类似，它是一种三层前向网络。输入层由信号源结点组成，第二层为隐含层，隐单元数视所描述问题的需要而定，隐单元的变换函数是RBF，它是对中心点径向对称且衰减的非 ...
2017-03-17 15:37 0 5784 推荐指数：
相关推荐
径向基函数（RBF）神经网络
RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调 ...
RBF(Radical Basis Function)径向基函数神经网络
径向基函数（Radical Basis Function，RBF）。径向基函数（Radical Ba ...
自组织神经网络模型与学习算法
自组织神经网络又称为自组织竞争神经网络，特别适合于解决模式分类和识别方面的应用问题。该网络模型属于前向神经网络模型，采用无监督学习算法，其工作的基本思想是让竞争层的各个神经元通过竞争与输入模式进行匹配，最后仅有一个神经元成为竞争的胜利者，这一获胜神经元的输出就代表对输入模式的分类。 常用的自组织 ...
建模算法（六）——神经网络模型
（一）神经网络简介 主要是利用计算机的计算能力，对大量的样本进行拟合，最终得到一个我们想要的结果，结果通过0-1编码，这样就OK啦 （二）人工神经网络模型 一、基本单元的三个基本要素 1、一组连接（输入），上面含有连接强度（权值）。 2、一个求和单元 3、一个非线性 ...
BP神经网络模型及算法推导
一，什么是BP "BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系 ...
神经网络模型与误差逆传播算法
目录 一、神经元模型 1.1 M-P神经元 1.2 激励函数 1.2.1 单位阶跃函数 1.2.2 logistic函数（sigmoid） 1.2.3 tanh函数（双曲正切函数 ...
深度学习中神经网络模型的量化
深度学习神经网络模型中的量化是指浮点数用定点数来表示，也就是在DSP技术中常说的Q格式。我在以前的文章（Android手机上Audio DSP频率低 memory小的应对措施 ）中简单讲过Q格式，网上也有很多讲Q格式的，这里就不细讲了。神经网络模型在训练时都是浮点运算的，得到的模型参数也是浮点 ...