首頁(yè) > 廠商 > 問(wèn)答 > 徑向基神經(jīng)網(wǎng)絡(luò)，BP網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)有什么區(qū)別啊

徑向基神經(jīng)網(wǎng)絡(luò)，BP網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)有什么區(qū)別啊

來(lái)源：整理時(shí)間：2025-02-04 07:41:12 編輯：智能門戶手機(jī)版

本文目錄一覽

1，BP網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)有什么區(qū)別啊
2，newrb 建立的神經(jīng)網(wǎng)絡(luò)netIW netLW netb 到底是什么含義求大神
3，Rbf神經(jīng)網(wǎng)絡(luò)原理
4，徑向基神經(jīng)網(wǎng)絡(luò)會(huì)過(guò)擬合嘛
5，徑向基神經(jīng)網(wǎng)絡(luò)中spread的取值范圍和DF的取值范圍是多少啊經(jīng)驗(yàn)
6，神經(jīng)網(wǎng)絡(luò)的分類

1，BP網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)有什么區(qū)別啊

BP網(wǎng)絡(luò)用于函數(shù)逼近時(shí)，權(quán)值的調(diào)節(jié)采用的是負(fù)梯度下降法，這種調(diào)節(jié)權(quán)值的方法有它的局限性，既存在著收斂速度慢和局部極小等缺點(diǎn)。而徑向基神經(jīng)網(wǎng)絡(luò)在逼近能力、分類能力和學(xué)習(xí)速度等方面均優(yōu)于BO網(wǎng)絡(luò)。從理論上講，RBF網(wǎng)絡(luò)和BP網(wǎng)絡(luò)一樣可近似任何的連續(xù)非線形函數(shù)，兩者的主要差別在于各使用不同的作用函數(shù)，BP網(wǎng)絡(luò)中的隱層節(jié)點(diǎn)使用的是Sigmoid函數(shù)，其函數(shù)值在輸入空間中無(wú)限大的范圍內(nèi)為非零值，而RBF網(wǎng)絡(luò)的作用函數(shù)則是局部的。

BP網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)有什么區(qū)別啊

2，newrb 建立的神經(jīng)網(wǎng)絡(luò)netIW netLW netb 到底是什么含義求大神

你可以上《神經(jīng)網(wǎng)絡(luò)之家》 nnetinfo找一張百《一篇文章讀懂徑向基神經(jīng)網(wǎng)絡(luò)原理》的文章，上面有介紹徑向基。簡(jiǎn)要來(lái)說(shuō)，IW就是 input weight,輸入層到隱層的權(quán)重。（注度意，這里的權(quán)重與輸入的計(jì)算方式是用dist函數(shù)，而不是點(diǎn)乘）LW,就是layer weight,LWnet.b就是閾值，徑向基神經(jīng)網(wǎng)絡(luò)的權(quán)重不再用點(diǎn)乘，隱層的閾值也不是用加法，所以它們已經(jīng)不具內(nèi)用“權(quán)重、閾值”的物理意義。只是網(wǎng)絡(luò)的參數(shù)，用于計(jì)算，更詳細(xì)的，容在這小小篇幅就說(shuō)不完了。希望點(diǎn)個(gè)贊

newrb 建立的神經(jīng)網(wǎng)絡(luò)netIW netLW netb 到底是什么含義求大神

3，Rbf神經(jīng)網(wǎng)絡(luò)原理

rbf神經(jīng)網(wǎng)絡(luò)即徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radical Basis Function）。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一種高效的前饋式神經(jīng)網(wǎng)絡(luò)，它具有其他前向網(wǎng)絡(luò)所不具有的最佳逼近性能和全局最優(yōu)特性，并且結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練速度快。同時(shí)，它也是一種可以廣泛應(yīng)用于模式識(shí)別、非線性函數(shù)逼近等領(lǐng)域的神經(jīng)網(wǎng)絡(luò)模型。

nnetinfo: 首先要明確網(wǎng)絡(luò)的輸入, 你在訓(xùn)練的時(shí)候,使用1-50作為輸入,sample里的數(shù)據(jù)做輸出.在用它來(lái)做預(yù)測(cè)時(shí),卻用sample里的數(shù)據(jù)做輸入,這樣就亂套了. 若果只有一列數(shù)據(jù),而這列數(shù)據(jù)又不是時(shí)間序列,那就沒(méi)辦法用前面的數(shù)據(jù)去預(yù)測(cè)后面的數(shù)據(jù).因?yàn)樗鼈冎g沒(méi)有關(guān)聯(lián).

Rbf神經(jīng)網(wǎng)絡(luò)原理

4，徑向基神經(jīng)網(wǎng)絡(luò)會(huì)過(guò)擬合嘛

可以通過(guò)把誤差定的小一點(diǎn)或是增加訓(xùn)練次數(shù)，就能讓擬合曲線更準(zhǔn)確的擬合數(shù)據(jù)的各點(diǎn)。如果要解決神經(jīng)網(wǎng)絡(luò)容易陷入局部極小值的問(wèn)題可以用遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，如果是數(shù)據(jù)比較少，可以用徑向基神經(jīng)網(wǎng)絡(luò)。其實(shí)有時(shí)不必刻意追求低誤差的擬合曲線的，這樣容易過(guò)擬合。

bp網(wǎng)絡(luò)用于函數(shù)逼近時(shí)，權(quán)值的調(diào)節(jié)采用的是負(fù)梯度下降法，這種調(diào)節(jié)權(quán)值的方法有它的局限性，既存在著收斂速度慢和局部極小等缺點(diǎn)。而徑向基神經(jīng)網(wǎng)絡(luò)在逼近能力、分類能力和學(xué)習(xí)速度等方面均優(yōu)于bo網(wǎng)絡(luò)。從理論上講，rbf網(wǎng)絡(luò)和bp網(wǎng)絡(luò)一樣可近似任何的連續(xù)非線形函數(shù)，兩者的主要差別在于各使用不同的作用函數(shù)，bp網(wǎng)絡(luò)中的隱層節(jié)點(diǎn)使用的是sigmoid函數(shù)，其函數(shù)值在輸入空間中無(wú)限大的范圍內(nèi)為非零值，而rbf網(wǎng)絡(luò)的作用函數(shù)則是局部的。

5，徑向基神經(jīng)網(wǎng)絡(luò)中spread的取值范圍和DF的取值范圍是多少啊經(jīng)驗(yàn)

SPREAD為徑向基函數(shù)的擴(kuò)展系數(shù)，默認(rèn)值為1.0。合理選擇SPREAD是非常重要的，其值應(yīng)該足夠大，使徑向基神經(jīng)元能夠?qū)斎胂蛄克采w的區(qū)間都產(chǎn)生響應(yīng)，但也不要求大到所有的徑向基神經(jīng)元都如此，只要部分徑向基神經(jīng)元能夠?qū)斎胂蛄克采w的區(qū)間產(chǎn)生響應(yīng)就足夠了。SPREAD的值越大，其輸出結(jié)果越光滑，但太大的SPREAD值會(huì)導(dǎo)致數(shù)值計(jì)算上的困難，若在涉及網(wǎng)絡(luò)時(shí)，出現(xiàn)“Rank Deficient”警告，應(yīng)考慮減小SPREAD的值重新設(shè)計(jì)。因此，在網(wǎng)絡(luò)設(shè)計(jì)的過(guò)程中，需要用不同的擴(kuò)展常數(shù)進(jìn)行嘗試，以確定一個(gè)最優(yōu)值。為了更嚴(yán)格地對(duì)數(shù)據(jù)進(jìn)行擬合，最好使擴(kuò)展常數(shù)的值小于輸入向量之間的典型距離。一般擴(kuò)展常數(shù)取0.7、0.8或默認(rèn)的都可以，要用試湊法。

搜一下：徑向基神經(jīng)網(wǎng)絡(luò)中spread的取值范圍和DF的取值范圍是多少?。拷?jīng)驗(yàn)值也可以，要范圍。

6，神經(jīng)網(wǎng)絡(luò)的分類

神經(jīng)網(wǎng)絡(luò)有多種分類方式，例如，按網(wǎng)絡(luò)性能可分為連續(xù)型與離散型網(wǎng)絡(luò)，確定型與隨機(jī)型網(wǎng)絡(luò):按網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可分為前向神經(jīng)網(wǎng)絡(luò)與反饋神經(jīng)網(wǎng)絡(luò)。本章土要簡(jiǎn)介前向神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)和自組織特征映射神經(jīng)網(wǎng)絡(luò)。前向神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)挖掘中廣為應(yīng)用的一種網(wǎng)絡(luò)，其原理或算法也是很多神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)就是一種前向型神經(jīng)網(wǎng)絡(luò)。 Hopfield神經(jīng)網(wǎng)絡(luò)是反饋網(wǎng)絡(luò)的代表。Hvpfi}ld網(wǎng)絡(luò)的原型是一個(gè)非線性動(dòng)力學(xué)系統(tǒng)，目前，已經(jīng)在聯(lián)想記憶和優(yōu)化計(jì)算中得到成功應(yīng)用。模擬退火算法是為解決優(yōu)化計(jì)算中局部極小問(wèn)題提出的。Baltzmann機(jī)是具有隨機(jī)輸出值單元的隨機(jī)神經(jīng)網(wǎng)絡(luò)，串行的Baltzmann機(jī)可以看作是對(duì)二次組合優(yōu)化問(wèn)題的模擬退火算法的具體實(shí)現(xiàn)，同時(shí)它還可以模擬外界的概率分布，實(shí)現(xiàn)概率意義上的聯(lián)想記憶。自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是能識(shí)別環(huán)境的特征并自動(dòng)聚類。自組織竟?fàn)幮蜕窠?jīng)網(wǎng)絡(luò)已成功應(yīng)用于特征抽取和大規(guī)模數(shù)據(jù)處理。

人類大腦的思維分為抽象（邏輯）思維、形象（直觀）思維和靈感（頓悟）思維三種基本方式。　　邏輯性的思維是指根據(jù)邏輯規(guī)則進(jìn)行推理的過(guò)程；它先將信息化成概念，并用符號(hào)表示，然后，根據(jù)符號(hào)運(yùn)算按串行模式進(jìn)行邏輯推理；這一過(guò)程可以寫(xiě)成串行的指令，讓計(jì)算機(jī)執(zhí)行。然而，直觀性的思維是將分布式存儲(chǔ)的信息綜合起來(lái)，結(jié)果是忽然間產(chǎn)生想法或解決問(wèn)題的辦法。這種思維方式的根本之點(diǎn)在于以下兩點(diǎn):1.信息是通過(guò)神經(jīng)元上的興奮模式分布儲(chǔ)在網(wǎng)絡(luò)上;2.信息處理是通過(guò)神經(jīng)元之間同時(shí)相互作用的動(dòng)態(tài)過(guò)程來(lái)完成的。　　人工神經(jīng)網(wǎng)絡(luò)就是模擬人思維的第二種方式。這是一個(gè)非線性動(dòng)力學(xué)系統(tǒng)，其特色在于信息的分布式存儲(chǔ)和并行協(xié)同處理。雖然單個(gè)神經(jīng)元的結(jié)構(gòu)極其簡(jiǎn)單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實(shí)現(xiàn)的行為卻是極其豐富多彩的。

這個(gè)概念太廣了

文章TAG：徑向神經(jīng)神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)徑向基神經(jīng)網(wǎng)絡(luò)