计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
5期
96-98
,共3页
径向基函数神经网络%代数算法%动态K-均值方法
徑嚮基函數神經網絡%代數算法%動態K-均值方法
경향기함수신경망락%대수산법%동태K-균치방법
提出了一种新的RBF神经网络的训练方法,采用动态K-均值方法对RBF神经网络的隐层中心值和宽度进行了优化,用代数算法训练隐层和输出层之间的权值.在对非线性函数进行逼近的仿真中,验证了该算法的有效性.
提齣瞭一種新的RBF神經網絡的訓練方法,採用動態K-均值方法對RBF神經網絡的隱層中心值和寬度進行瞭優化,用代數算法訓練隱層和輸齣層之間的權值.在對非線性函數進行逼近的倣真中,驗證瞭該算法的有效性.
제출료일충신적RBF신경망락적훈련방법,채용동태K-균치방법대RBF신경망락적은층중심치화관도진행료우화,용대수산법훈련은층화수출층지간적권치.재대비선성함수진행핍근적방진중,험증료해산법적유효성.
