计算技术与自动化
計算技術與自動化
계산기술여자동화
COMPUTING TECHNOLOGY AND AUTOMATION
2009年
3期
5-9
,共5页
RBF神经网络%分类%中心%方差%权值直接确定%模式识别
RBF神經網絡%分類%中心%方差%權值直接確定%模式識彆
RBF신경망락%분류%중심%방차%권치직접학정%모식식별
模式分类是径向基函数(RBF)神经网络应用的一个重要方面,目前大多数RBF网络都采用迭代学习的方法.区别于反复迭代训练而得到网络参数的惯常做法,重新探讨一种基于矩阵伪逆或逆的中心、方差及权值可直接确定的方法.并基于此方法构建一种模式识别分类器,对IRIS分类问题进行计算机仿真验证.结果表明,相对于迭代法,该直接确定方法具有更快的计算速度,构建的RBF神经网络分类器也具有良好的分类性能.
模式分類是徑嚮基函數(RBF)神經網絡應用的一箇重要方麵,目前大多數RBF網絡都採用迭代學習的方法.區彆于反複迭代訓練而得到網絡參數的慣常做法,重新探討一種基于矩陣偽逆或逆的中心、方差及權值可直接確定的方法.併基于此方法構建一種模式識彆分類器,對IRIS分類問題進行計算機倣真驗證.結果錶明,相對于迭代法,該直接確定方法具有更快的計算速度,構建的RBF神經網絡分類器也具有良好的分類性能.
모식분류시경향기함수(RBF)신경망락응용적일개중요방면,목전대다수RBF망락도채용질대학습적방법.구별우반복질대훈련이득도망락삼수적관상주법,중신탐토일충기우구진위역혹역적중심、방차급권치가직접학정적방법.병기우차방법구건일충모식식별분류기,대IRIS분류문제진행계산궤방진험증.결과표명,상대우질대법,해직접학정방법구유경쾌적계산속도,구건적RBF신경망락분류기야구유량호적분류성능.
