首页 要闻 点评 财经 产经 湘企 IT 汽车 房产 区块链 |  设为首页
您的位置:首页 / 美食休闲
结构简单训练速度快rbf神经网络具有最佳的逼近性能
编辑:湖南经济网小编
2021-08-26

      rbf神经网络即径向基函数神经网络(Radical Basis Function)。径向基函数神经网络是一种高效的前馈式神经网络,它具有其他前向网络所不具有的最佳逼近性能和全局最优特性,并且结构简单,训练速度快。同时,它也是一种可以广泛应用于模式识别、非线性函数逼近等领域的神经网络模型。


      RBF网络具有很好的通用性。已经证明,只要有足够多的隐层神经元,RBF网络能以任意精度近似任何连续函数。更重要的是, RBF网络克服了传统前馈神经网络的很多缺点,其训练速度相当快,并且在训练时不会发生震荡和陷入局部极小。但是,在进行测试时,RBF网络的速度却比较慢,这是由于待判别示例几乎要与每个隐层神经元的中心向量进行比较才能得到结果。虽然可以通过对隐层神经元进行聚类来提高判别速度,但这样就使得训练时间大为增加,从而失去了RBF网络最基本的优势。另外,通过引入非线性优化技术可以在一定程度上提高学习精度,但这同时也带来了一些缺陷,如局部极小、训练时间长等。现今,人工智能技术突飞猛进,RBF神经网络算法作为流传较广的算法之一,其径向基神经元结构能够快速实现函数逼近、数据聚类、模式分类、优化计算等功能,因而广泛应用于金融领域研究之中。
      RBF神经网络进行数据运算时需要确认聚类中心点的位置及隐层至输出层的权重。通常,选用K-means聚类算法或最小正交二乘法对数据大量的进行训练得出聚类中心矩阵和权重矩阵。一般情况下,最小正交二乘法聚类中心点的位置是给定的,因此比较适合分布相对规律的数据。而K-means聚类算法则会自主选取聚类中心,进行无监督分类学习,从而完成空间映射关系。

免责声明:本文仅代表作者个人观点,与本网无关。其原创性以及文中陈述文字和内容未经本站证实, 对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者 仅作参考,并请自行核实相关内容。当事人(单位)如有异议,请参阅《删帖说明》办理。

0
(查看全部0条评论)请遵守国家新闻相关法规,文明上网评论!
评论总数:0 [ 查看全部 ]网友评论
 
  评论者:  请输入验证码:                                                        
网罗杂烩更多
湖南要闻更多

南华生物整合布局大健康产业链 多赛道发力赋

阅读(1)  评论(0)

雨宫琴音新作番号打榜酷爱指甲彩绘与钢琴

阅读(1)  评论(0)

岩崎千鹤年过五十依然风韵犹存魅力不减当年

阅读(1)  评论(0)

细菌大战2扮演绿色军团细菌大战全新的关卡攻

阅读(1)  评论(0)
经网聚焦更多
潇湘视野更多
博览纵横更多

CopyRight @ 2007-2020 湖南经济新闻网.com 版权所有

网站备案 湘ICP备030127号

地址:湖南省长沙市(邮编:410000)E-mail:hnjjxww@yahoo.com.cn