RBF網(wǎng)的改進及其應用.pdf_第1頁
已閱讀1頁，還剩72頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、該文對RBF網(wǎng)的各種學習算法進行了較系統(tǒng)的分析研究,同時根據(jù)RBF網(wǎng)的根本原理提出了把聚類方法引入到RBF網(wǎng)的學習中去,來極大的擴展并改善了RBF網(wǎng)性能.RBF網(wǎng)的隱層中心的選擇是決定RBF網(wǎng)性能的最重要的因素.這里首先對目前RBF網(wǎng)的隱層節(jié)點數(shù)的選擇問題的幾種通常的解決辦法進行了分析,并指出它們的優(yōu)點和不足,同時通過對幾種主要的方法進行組合,在一定程度上來改進它們的性能;接著給出了在一種性能優(yōu)良的方法ERPCL(Extended Ri

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論