徑向基函數（RBF）神經網絡
徑向基函數（RBF）神經網絡 RBF網絡能夠逼近任意的非線性函數，可以處理系統內的難以解析的規律性，具有良好的泛化能力，並有很快的學習收斂速度，已成功應用於非線性函數逼近、時間序列分析、數據分類、模式識別、信息處理、圖像處理、系統建模、控制和故障診斷等。 簡單說明一下 ...
原文：徑向基函數神經網絡模型與學習算法
年，Powell提出了多變量插值的徑向基函數 RBF 方法。 年Moody和Darken提出了一種神經網絡結構，即RBF神經網絡，屬於前向神經網絡類型，它能夠以任意精度逼近任意連續函數，特別適合於解決分類問題。 RBF網絡的結構與多層前向網絡類似，它是一種三層前向網絡。輸入層由信號源結點組成，第二層為隱含層，隱單元數視所描述問題的需要而定，隱單元的變換函數是RBF，它是對中心點徑向對稱且衰減的非 ...
2017-03-17 15:37 0 5784 推薦指數：
相關推薦
徑向基函數（RBF）神經網絡
RBF網絡能夠逼近任意的非線性函數，可以處理系統內的難以解析的規律性，具有良好的泛化能力，並有很快的學習收斂速度，已成功應用於非線性函數逼近、時間序列分析、數據分類、模式識別、信息處理、圖像處理、系統建模、控制和故障診斷等。 簡單說明一下為什么RBF網絡學習收斂得比較快。當網絡的一個或多個可調 ...
RBF(Radical Basis Function)徑向基函數神經網絡
徑向基函數（Radical Basis Function，RBF）。徑向基函數（Radical Ba ...
自組織神經網絡模型與學習算法
自組織神經網絡又稱為自組織競爭神經網絡，特別適合於解決模式分類和識別方面的應用問題。該網絡模型屬於前向神經網絡模型，采用無監督學習算法，其工作的基本思想是讓競爭層的各個神經元通過競爭與輸入模式進行匹配，最后僅有一個神經元成為競爭的勝利者，這一獲勝神經元的輸出就代表對輸入模式的分類。 常用的自組織 ...
建模算法（六）——神經網絡模型
（一）神經網絡簡介 主要是利用計算機的計算能力，對大量的樣本進行擬合，最終得到一個我們想要的結果，結果通過0-1編碼，這樣就OK啦 （二）人工神經網絡模型 一、基本單元的三個基本要素 1、一組連接（輸入），上面含有連接強度（權值）。 2、一個求和單元 3、一個非線性 ...
BP神經網絡模型及算法推導
一，什么是BP "BP（Back Propagation）網絡是1986年由Rumelhart和McCelland為首的科學家小組提出，是一種按誤差逆傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一。BP網絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系 ...
神經網絡模型與誤差逆傳播算法
目錄 一、神經元模型 1.1 M-P神經元 1.2 激勵函數 1.2.1 單位階躍函數 1.2.2 logistic函數（sigmoid） 1.2.3 tanh函數（雙曲正切函數 ...
深度學習中神經網絡模型的量化
深度學習神經網絡模型中的量化是指浮點數用定點數來表示，也就是在DSP技術中常說的Q格式。我在以前的文章（Android手機上Audio DSP頻率低 memory小的應對措施 ）中簡單講過Q格式，網上也有很多講Q格式的，這里就不細講了。神經網絡模型在訓練時都是浮點運算的，得到的模型參數也是浮點 ...