АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Сети на основе радиально-базисных функций

Читайте также:
  1. MS Excel.Текстовые функции, примеры использования текстовых функций.
  2. Акции Deutsche Bank на дневной основе
  3. АКЦИИ НА НЕДЕЛЬНОЙ И ДНЕВНОЙ ОСНОВЕ
  4. Анализ ситуации прикосновения человека (в электрических сетях с изолированной нейтралью)
  5. Анализ ситуации прикосновения человека (в электрической сети с глухозаземленной нейтралью)
  6. Анализ существующих учебных материалов и их отбор на основе анализа.
  7. Аппроксимация аналитически заданных функций
  8. Арабские духи на масляной основе - магическая тайна Востока.
  9. Безопасности продуктов питания на основе НАССР.
  10. Битумные материалы на бумажной (картонной) основе
  11. Бытие в соприкосновении.
  12. В основе великих и кровавых потрясений первой половины XX столетия БИЛАСЬ ИДЕЯ.

 

Основная идея сетей на основе радиальных базисных функций (RBF) состоит в нелинейном преобразовании входных данных в пространстве более высокой размерности. Теоретическую основу такого подхода составляет теорема Ковера о разделимости образов:

Нелинейное преобразование сложной задачи классификации образов в пространство более высокой размерности повышает вероятность линейной разделимости образов.

RBF-сети берут свое начало от теории точного приближения функций, предложенной Пауэлом в 1987 г. Пусть задан набор из N входных векторов xn с соответствующими выходами yn. Задача точного приближения функций – найти такую функцию y, чтобы y(xn) = yn, n = 1,...,N. Для этого Пауэл предложил использовать набор базисных функций вида , тогда получаем обобщённый полином вида:

(5.1)

Здесь wn – свободно настраиваемые параметры.

Обычно в качестве базисной используют экспоненциальную функцию , также называемую функцией Гаусса, где μ и σ – регулирующие параметры, называемые соответственно центром и шириной окна функции.

Также в качестве базисных функций используются мультиквадратичная и обратная мультиквадратичная функции, соответственно:

Привмер аппроксимации неизвестной функции y(x) с помощью функций Гаусса показан на рисунке 5.1. На этом рисунке красная кривая представлена суммой синих гауссоид, ясно что для некоторой точки x основной вклад дают лишь несколько гауссоид, центры которых близки к этой точке. Поэтому такая аппроксимация называется локальной.

Рисунок 5.1 – Локальная аппроксимация функции.

 

Аппроксимация функции по формуле (5.1) дает плохие результаты для зашумленных данных, поэтому в 1988 г. Д. Брумхеад и Д. Лоув предложили модель RBF-сети. Сеть с радиальными базисными функциями (RBF-сеть) в наиболее простой форме представляет собой сеть с тремя слоями: входным слоем, одним скрытым слоем и выходным слоем. Скрытый слой выполняет нелинейное преобразование входного пространства в скрытое. В большинстве случаев, но не всегда, количество нейронов в скрытом слое больше размерности входного пространства. Выходной слой осуществляет линейное преобразование выхода скрытого слоя, т.е. в его нейронах всегда используется линейная функция активации.

С каждым скрытым элементом связывается радиальная базисная функция Φ(x). Каждая из этих функций берет комбинированный ввод и порождает значение активности, подаваемое на выход.

Связи элемента скрытого слоя определяют центр радиальной функции для данного скрытого элемента. В RBF-сети активизация нейронов задается дистанцией (евклидовой нормой) между весовым вектором и заданным в процессе обучения образцом:

(5.2)

Весовой вектор wj служит центром радиально-базисной функции, соответствующей нейрону с номером j. Поэтому обозначим его как μj.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.)