径向基神经网络应用 径向基神经网络中spread的取值范围和DF的取值范围是多少啊?经验值也可以,要范围?
浏览量:2111
时间:2021-04-12 17:35:52
作者:admin
径向基神经网络中spread的取值范围和DF的取值范围是多少啊?经验值也可以,要范围?
Spread是径向基函数的展开系数,默认值为1.0。合理选择价差是非常重要的。它的值应该足够大,以使RBFNs响应输入向量覆盖的区间,但不要求对所有RBFNs都足够大,只要一些RBFNs能够响应输入向量覆盖的区间。扩散值越大,输出结果越平滑。但是,如果扩散值太大,数值计算就会比较困难。当涉及到网络时,如果出现“秩缺陷”警告,则应降低s pread的值以重新设计。
因此,在网络设计过程中,我们需要使用不同的展开常数来尝试确定一个最佳值。为了更严格地拟合数据,最好使展开常数的值小于输入向量之间的典型距离。
通常,膨胀常数可以是0.7、0.8或默认值,应使用试错法。
神经网络的分类?
神经网络的分类方法有很多种。例如,根据网络性能可分为连续网络和离散网络、确定性网络和随机网络;根据网络拓扑结构可分为前向神经网络和反馈神经网络。本章介绍了前馈神经网络、反馈神经网络和自组织特征映射神经网络。前馈神经网络在数据挖掘中有着广泛的应用。它的原理或算法也是许多神经网络模型的基础。径向基函数神经网络是一种前向神经网络。Hopfield神经网络是反馈网络的代表。hvpfi}LD网络的原型是一个非线性动态系统,已成功应用于联想记忆和优化计算。针对优化计算中的局部极小问题,提出了模拟退火算法。Baltzmann机是一种具有随机输出值单位的随机神经网络。串行baltzmann机可以看作是二次组合优化问题模拟退火算法的具体实现。同时,它还可以模拟外界的概率分布,实现概率意义上的联想记忆。自组织竞争神经网络的特点是能够自动识别环境和集群的特征。自组织竞争神经网络已成功地应用于特征提取和大规模数据处理。
版权声明:本文内容由互联网用户自发贡献,本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
下一篇
交换机培训教程 培训教程