Однослойные сети RBF для решения задач регрессии (пример)
Материал из MachineLearning.
(Различия между версиями)
Строка 3: | Строка 3: | ||
== Постановка задачи == | == Постановка задачи == | ||
- | Задана выборка — множество <tex>\{{x}_1,\ldots,{x}_N|x\in\R^M\}</tex> значений свободных переменных и множество <tex>\{y_1,\ldots, y_N| y\in\R\}</tex> соответствующих им значений зависимой переменной. Требуется решить задачу [[ | + | Задана выборка — множество <tex>\{{x}_1,\ldots,{x}_N|x\in\R^M\}</tex> значений свободных переменных и множество <tex>\{y_1,\ldots, y_N| y\in\R\}</tex> соответствующих им значений зависимой переменной. Требуется решить задачу [[регрессии|{{S|регрессиия}}]] с помощью однослойной сети RBF. |
Версия 21:21, 9 мая 2010
Сеть радиальных базисных функций - нейронная сеть прямого распространения сигнала, которая содержит промежуточный (скрытый) слой радиально симметричных нейронов. Такой нейрон преобразовывает расстояние от данного входного вектора до соответствующего ему "центра" по некоторому нелинейному закону.
Постановка задачи
Задана выборка — множество значений свободных переменных и множество соответствующих им значений зависимой переменной. Требуется решить задачу регрессиия с помощью однослойной сети RBF.