神经网络
文章平均质量分 83
氵冫丶
这个作者很懒,什么都没留下…
展开
-
BP神经网络
BPBP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。一个神经网络的结构示意图如下所示。 一个四层的神经网络 输入层:三个神经元 隐含层1:三个神经元原创 2016-05-23 22:00:00 · 1592 阅读 · 0 评论 -
三层BP
三层BP程序参考 理论介绍 定义各参数:/** * input vector.输入向量 */ private final double[] input; /** * hidden layer. 隐含层向量 */ private final double[] hidden; /** * output layer. 输出层 */ private fina原创 2016-05-24 10:43:30 · 4346 阅读 · 1 评论 -
RBF神经网络
RBF网络的基本思想是: 用RBF作为隐单元的“基”构成隐含层空间,这样就可将输入矢量直接(即不需要通过权连接)映射到隐空间。根据Cover定理,低维空间不可分的数据到了高维空间会更有可能变得可分。换句话来说,RBF网络的隐层的功能就是将低维空间的输入通过非线性函数映射到一个高维空间。然后再在这个高维空间进行曲线的拟合。它等价于在一个隐含的高维空间寻找一个能最佳拟合训练数据的表面。这点与普通的多层原创 2016-08-05 16:40:30 · 3439 阅读 · 0 评论