

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、模式分類系統(tǒng)中樣本之間由于存在著高度復(fù)雜性和非線性關(guān)系,從而導(dǎo)致樣本不易分類。而人工神經(jīng)網(wǎng)絡(luò)可以通過(guò)網(wǎng)絡(luò)學(xué)習(xí),將反映系統(tǒng)內(nèi)在規(guī)律的神經(jīng)網(wǎng)絡(luò)隱含于網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)中,因此人工神經(jīng)網(wǎng)絡(luò)逐漸成為解決模式分類問(wèn)題的一種常用方法。徑向基函數(shù)(radialbasisfunction,簡(jiǎn)稱RBF)神經(jīng)網(wǎng)絡(luò)作為人工神經(jīng)網(wǎng)絡(luò)的一種,以其牢固的插值理論為基礎(chǔ),并且具有學(xué)習(xí)速度快、不易陷入局部極小等優(yōu)點(diǎn),逐步取代反向傳播(backpropagation,簡(jiǎn)稱B
2、P)學(xué)習(xí)算法在模式識(shí)別領(lǐng)域中得到越來(lái)越廣泛的關(guān)注和應(yīng)用。雖然常用的RBF神經(jīng)網(wǎng)絡(luò)比較容易構(gòu)建,但因其結(jié)構(gòu)通常固定或者復(fù)雜度較高,從而導(dǎo)致學(xué)習(xí)時(shí)間過(guò)長(zhǎng)或者網(wǎng)絡(luò)資源的浪費(fèi)。針對(duì)上述原因,本文通過(guò)對(duì)常用RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的分析,提出一種改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法(MPIRAN,maxerror-pruning-improved-RAN),該算法從降低網(wǎng)絡(luò)復(fù)雜度出發(fā),在學(xué)習(xí)過(guò)程中選取產(chǎn)生最大誤差的樣本代替順序輸入的樣本以此改變RAN新性條
3、件,當(dāng)不滿足新性條件時(shí),使用相似度參數(shù)調(diào)整隱層節(jié)點(diǎn)中心位置,并且為進(jìn)一步減小網(wǎng)絡(luò)結(jié)構(gòu),采用FPE剪枝策略,使得網(wǎng)絡(luò)復(fù)雜度和擬合度達(dá)到較好的結(jié)合。在MPIRAN學(xué)習(xí)算法的基礎(chǔ)上,從提高網(wǎng)絡(luò)學(xué)習(xí)效率的角度出發(fā),避免FPE剪枝策略的低效性,提出MRIRAN(maxerror-RBFLN-improved-RAN)學(xué)習(xí)算法。該算法使用RBFLN(radial basis functional linknetwork,稱為徑向基鏈網(wǎng)絡(luò))結(jié)構(gòu),增加
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- rbf神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究
- RBF神經(jīng)網(wǎng)絡(luò)在Web挖掘中的應(yīng)用研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用研究.pdf
- 群體智能算法在RBF神經(jīng)網(wǎng)絡(luò)中的應(yīng)用.pdf
- 文化算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)及應(yīng)用研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)及其在電力諧波測(cè)量中的應(yīng)用研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的遺傳算法在織物配色中的應(yīng)用研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- rbf神經(jīng)網(wǎng)絡(luò)的改進(jìn)及其應(yīng)用研究
- RBF神經(jīng)網(wǎng)絡(luò)在圖像顏色空間轉(zhuǎn)換中的應(yīng)用研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)在平面桁架損傷檢測(cè)中的應(yīng)用研究.pdf
- 卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)在MBR膜污染仿真預(yù)測(cè)中的應(yīng)用研究.pdf
- 神經(jīng)網(wǎng)絡(luò)在發(fā)音糾錯(cuò)算法中的應(yīng)用研究.pdf
- 改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)在可轉(zhuǎn)化債券定價(jià)中的應(yīng)用研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)在γ能譜平滑中的應(yīng)用.pdf
- RBF神經(jīng)網(wǎng)絡(luò)的改進(jìn)及其應(yīng)用研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)在滑模變結(jié)構(gòu)控制中的應(yīng)用研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)在城市空氣質(zhì)量評(píng)價(jià)中的應(yīng)用研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)在ECT圖像重建中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論