![02316de5837b08b8f4db2de7ef55d638.gif](https://i-blog.csdnimg.cn/blog_migrate/041cdcbf8e35e34e9fb7292aed40fbd9.gif)
![d51cb6acd8baf7c4699f9765a5a8d542.gif](https://i-blog.csdnimg.cn/blog_migrate/29193f0f11654686f401433a4ca2a1b5.gif)
![259855cf676f0d5768b08ec00fbf66b1.gif](https://i-blog.csdnimg.cn/blog_migrate/8e2d8d04fce2839e97edfc630b2d660a.gif)
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。其算法结构如下图:
RBF神经网络由三层结构组成,输入层至隐层为非线性的空间变换,一般选用径向基函数的高斯函数进行运算;从隐层至输出层为线性空间变换,即矩阵与矩阵之间的变换。
算法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
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。其算法结构如下图:
RBF神经网络由三层结构组成,输入层至隐层为非线性的空间变换,一般选用径向基函数的高斯函数进行运算;从隐层至输出层为线性空间变换,即矩阵与矩阵之间的变换。
算法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