神经网络是参数模型吗,两个神经网络融合

两组数据，用神经网络拟合，训练后，怎么通过这些参数得到函数关系式呀？谢谢

这个是做不到的。神经网络的非线性函数拟合是指非线性映射，并非对具体数学表达式进行求解。这也是神经网络的特点，即不需要精确的数学表达式，即可实现许多功能。非线性关系是自然界的普遍特性。

大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容量。

谷歌人工智能写作项目：小发猫

多传感器信息融合和神经网络(RBF)是什么关系?

两者间不具有明显的关系，前者是一类需要解决的问题，即将处于不同层次或相同层次的传感器信息进行全局性或局部性的融合深度学习一般指深度神经网络。（加权平均就是一种最简单的融合）。

神经网络（NN）是人工智能算法中的一种方法，其可以用于解决诸如多传感器信息融合这样的一类问题，其应用领域多种多样。总而言之，两者间非必须的一种组合，但是两者相结合也是一种处理问题的方法。

RBF(radialbasisfunctions)径向基网络也只是神经网络的一种类型，其是前馈型网络的一种。

关于神经网络，蚁群算法和遗传算法

神经网络并行性和自适应性很强，应用领域很广，在任何非线性问题中都可以应用，如控制、信息、预测等各领域都能应用。蚁群算法最开始应用于TSP问题，获得了成功，后来又广泛应用于各类组合优化问题。

但是该算法理论基础较薄弱，算法收敛性都没有得到证明，很多参数的设定也仅靠经验，实际效果也一般，使用中也常常早熟。遗传算法是比较成熟的算法，它的全局寻优能力很强，能够很快地趋近较优解。

主要应用于解决组合优化的NP问题。这三种算法可以相互融合，例如GA可以优化神经网络初始权值，防止神经网络训练陷入局部极小且加快收敛速度。

蚁群算法也可用于训练神经网络，但一定要使用优化后的蚁群算法，如最大-最小蚁群算法和带精英策略。

神经网络可以进行信息融合吗

传感器是一种能把物理量或化学量转变成便于利用的电信号的器件。目前对于信息融合有多种不同的定义。

其中美国国防部JDL（JointDirectorsofLaboratories）的定义为：把来自许多传感器和信息源的数据和信息加以联合（Association）、相关（Combination）、组合（Correlation），以获得精确的位置估计（PositionEstimation）和身份估计（IdentityEstimation），以及对战场情况威胁及其重要程度进行适时的完整评价。

学者EdwardWaltz和JamesLlinas的定义为：是一种多层次的、多方面的处理过程，这个过程是对多源数据进行检测、结合、相关、估计和组合以达到精确的状态估计和身份估计，以及完整、及时的态势评估（situationassessment）和威胁估计最广泛的定义是指把来自多传感器的数据和信息，根据既定的规则，分析、结合为一个全面的情报，并在此基础上为用户提供需求信息，诸如：决策、任务和航迹等。

信息融合最初是针对多传感器系统中多源异构信息的处理和集成而开展的一个研究领域，随着多传感器系统的广泛应用，便出现了多传感器信息的处理和使用问题，多传感器数据融合技术应运而生，它是利用计算机技术对按时序获得的若干传感器的观测信息，以及数据库和知识库的信息，在一定准则下加以自动汇集、相关、分析、综合为一种表示形式，以完成所需要的估计和决策任务所进行的信息处理过程。

由于多传感器信息的冗余性、互补性、时效性和低代价，使得多传感器信息融合系统克服了单一传感器的局限，从而具有较强的鲁棒性和较高的置信度。

数据融合由多传感器融合问题发展而来，目前已不局限于传感器数据的融合，目前的数据融合技术不仅涵盖了声、光、电等物理层的处理，而且涉及了数据库、网页、视频、资讯、自然语言等较高层次的信息整合。