计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2007年
14期
75-76,109
,共3页
径向基%神经网络%自组织映射%结构自适应
徑嚮基%神經網絡%自組織映射%結構自適應
경향기%신경망락%자조직영사%결구자괄응
提出了一种新的结构自适应的径向基函数(RBF)神经网络模型.在该模型中,自组织映射(SOM)神经网络作为聚类网络,采用无监督学习算法对输入样本进行自组织分类,并将分类中心及其对应的权值向量传递给RBF神经网络,分别作为径向基函数的中心和相应的权值向量;RBF神经网络作为基础网络,采用高斯函数实现输入层到隐层的非线性映射,输出层则采用有监督学习算法训练网络的权值,从而实现输入层到输出层的非线性映射.通过对字母数据集进行仿真,表明该网络具有较好的性能.
提齣瞭一種新的結構自適應的徑嚮基函數(RBF)神經網絡模型.在該模型中,自組織映射(SOM)神經網絡作為聚類網絡,採用無鑑督學習算法對輸入樣本進行自組織分類,併將分類中心及其對應的權值嚮量傳遞給RBF神經網絡,分彆作為徑嚮基函數的中心和相應的權值嚮量;RBF神經網絡作為基礎網絡,採用高斯函數實現輸入層到隱層的非線性映射,輸齣層則採用有鑑督學習算法訓練網絡的權值,從而實現輸入層到輸齣層的非線性映射.通過對字母數據集進行倣真,錶明該網絡具有較好的性能.
제출료일충신적결구자괄응적경향기함수(RBF)신경망락모형.재해모형중,자조직영사(SOM)신경망락작위취류망락,채용무감독학습산법대수입양본진행자조직분류,병장분류중심급기대응적권치향량전체급RBF신경망락,분별작위경향기함수적중심화상응적권치향량;RBF신경망락작위기출망락,채용고사함수실현수입층도은층적비선성영사,수출층칙채용유감독학습산법훈련망락적권치,종이실현수입층도수출층적비선성영사.통과대자모수거집진행방진,표명해망락구유교호적성능.
