2017年07月_ggggeekkk

原创概率神经网络（PNN）

概率神经网络一、概率神经网络简介注意：以下内容参考贝叶斯决策理论。二、概率神经网路的网络结构（PNN）注意：上边的求和层的神经元个数与模式分类的个数相等。也就是说只有对应类别的样本（隐藏层的神经元）连接，不与其他无关的样本连接。

2017-07-27 17:24:14 55300 6

原创贝叶斯决策理论

贝叶斯决策理论一、参考地址https://wenku.baidu.com/view/e25b86c8f705cc17552709c4.html?from=searchhttps://wenku.baidu.com/view/1eb4d02da76e58fafab0037a.htmlhttps://wenku.baidu.com/view/f8ff65c471fe910ef1

2017-07-27 15:35:54 554

原创广义回归神经网络（GRNN）

广义回归神经网络（GRNN）一、GRNN神经网络概述二、GRNN神经网络理论基础（如果对理论不感兴趣可直接看GRNN网络结构，网络结构理解更直观）三、GRNN的网络结构注意：一定要理解第三个求和层的概念，求和层有两类，第一类有一个，第二类有T个，T与输出样本的维数有关系，把每个模式层（或隐藏层）当做一个样本输（因为模式层每

2017-07-26 10:10:55 29974 4

转载 Matlab产生随机数函数rand和randn的“state”和“seed”参数

众所周知，Matlab中的rand()函数产生的是伪随机数，但一般用来也可以接受。但是，如果我们知道伪随机数的初始状态，那么产生的伪随机数是唯一确定的。问题来了，Matlab每次启动会重置rand()和randn()的初始状态(重置为0)，也就是说，你产生的随机数会出现两次随机数一模一样的情况，如：[plain] view plain copy

2017-07-08 19:32:45 961

原创再论RBF神经网路

再论RBF神经网络前言：在此之前也看了不少的博文，但是总是觉得相同的概念不同的博文表达总是不同，同样的RBF神经网路，不同的博文会总结出不同的网络结构，再此还是自己总结一下比较好。本文参考：《Matlab神经网络原理与实例精解》一、RBF神经网络的特点 1、结构简单、收敛速度快、能够逼近任意非线性函数。 2、与BP伸经网络的区别还是输入层与隐含层传递的是范数（之

2017-07-07 20:08:08 1382

转载 RBF（径向基函数）神经网络

径向基函数（RBF）神经网络自己的总结：1、输入层到隐藏层之间不是通过权值和阈值进行连接的，而是通过输入样本与隐藏层点之间的距离（与中心点的距离）连接的。2、得到距离之后，将距离代入径向基函数，得到一个数值。数值再与后边的权值相乘再求总和，就得到了相应输入的输出。3、在训练网络之前，需要确定中心点的个数，和中心点的位置。以及求出隐藏层各径向基函数的方差（宽窄

2017-07-06 11:01:32 67572 9

转载【机器学习中的数学】基函数与函数空间

引言在学习线性回归模型的时候就会遇到基函数，可能我们会遇到多项式基函数、高斯基函数、sigmoid基函数，当然在高等数学和信号系统中还经常会碰到傅里叶基。有时候，不禁要问，这些基函数为什么这么设计？这些基函数的作用是什么？后来发现基函数是核方法和字典训练的基础，于是乎，我逐渐有了一些例如特征转换和映射、字典元素的概念。不过还是对基函数与函数空间的关系、基函数的深层认识模棱两可。我希望能

2017-07-05 19:55:02 11745 1

转载机器学习中的训练集，验证集及测试集的关系

最近在看机器学习的东西发现验证集的（Validation set）有时候被提起到，以时间没明白验证集的真正用途。首先，这三个名词在机器学习领域的文章中是很常见的，以下是这三个词的定义。 Training set: A set of examples used for learning, which is to fit the parameters [i.e., weights

2017-07-03 15:20:05 334

guoyunlei的博客