RBF网络需要学习的参数有3个:基函数的中心ci,方差σi以及隐含层与输出层间的权值Wi,根据径向基函数中心选取方法的不同,最常见的学习方法有:自组织选取中心法、正交最小二乘法等方法。 自组织学习过程中确定ci和σi的方法是聚类方法。聚类方法就是把样本聚成几类,以类中心作为各RBF函数的中心,常用的方法有k均值聚类法。 权值W的学习算法可用LMS(最
RBF神经网络的学习算法
最新推荐文章于 2024-07-01 14:32:25 发布
RBF神经网络的学习涉及基函数中心ci、方差σi及隐含层到输出层权重Wi的确定。常见的中心选取方法包括自组织法和正交最小二乘法。自组织法通常使用聚类方法,如k均值,来确定中心和方差。权重W的更新可通过LMS算法、伪逆法或最小二乘法实现。RBF网络因其结构简洁,训练效率高,能有效逼近任意函数,适用于非线性数据的处理。
摘要由CSDN通过智能技术生成