RBF神经网络的中心确定算法及在模式识别中的应用.doc

资料分类:工业大学 上传会员:无悔青春 更新时间:2018-09-16
需要金币2000 个金币 资料包括:完整论文 下载论文
转换比率:金额 X 10=金币数量, 例100元=1000金币 论文字数:9235
折扣与优惠:团购最低可5折优惠 - 了解详情 论文格式:Word格式(*.doc)

摘要:本论文分析了两类用于分类问题的径向基函数神经网络学习算法。这两种算法使用一种启发式的方法来确定网络中隐藏神经元的中心,数量和扩展范围。这两种算法以最大化每个神经元能够覆盖的数据数量的方式,使得网络能够用更少数量的隐藏神经元实现更高的效率,使网络学习的过程变得快速和简单。每个神经元覆盖一些同类的训练数据,终止条件是覆盖所有训练数据或神经元数量达到最大。在每一步中,新神经元中心的选择基于它覆盖范围的最大化。神经元覆盖范围的最大化使得网络具有更少的神经元,更低的VC维度和更好的泛化属性。使用了高斯函数作为隐藏神经元的激活函数。将基于此方法构建的径向基函数神经网络应用于一些多分类数据集,在分类准确率与训练时间方面的性能良好,并且将此算法与其他径向基函数算法进行比较,显示出的性能也令人满意。

关键词:径向基函数神经网络,学习规则,中心确定算法,最大覆盖,模式识别

 

目录

中文摘要

Abstract

摘要-1

Abstract-2

第一章 绪论-3

1.1 研究背景及研究意义-3

1.2 国内外研究现状-4

1.3 本文主要研究内容及章节安排-5

第二章 RBF神经网络简介-6

2.1 RBF神经网络的发展史-6

2.2 中心位置的确定对RBF神经网络的重要意义-6

2.3 RBF神经网络的结构及特点-7

第三章 RBF神经网络的学习算法-8

3.1 基于最大扩散的学习规则-8

3.2 基于最大数据覆盖的学习规则-10

第四章 激活函数及输出层-13

4.1 激活函数-13

4.2 输出层的权重-13

第五章 实验结果及分析-15

5.1 两种算法在不同数据集下的性能比较-15

5.2 与其他RBF算法的比较-18

第六章 总结-20

参考文献-21

致谢-23

相关论文资料:
最新评论
上传会员 无悔青春 对本文的描述:人工神经网络(ANN)是人工智能研究的重要组成部分。人工神经网络是模拟人脑工作方式来设计的一种机器,它可以用电子元件或者光电元件来实现。也可以说,神经网络是一种具有大......
发表评论 (我们特别支持正能量传递,您的参与就是我们最好的动力)
注册会员后发表精彩评论奖励积分,积分可以换金币,用于下载需要金币的原创资料。
您的昵称: 验证码: