第3章+径向基函数网络02.pptVIP

2006-10-12 第*页 正则化重构模型： 令： 则： (3-38) 一、方法归纳 §3-6 正则网络 (3-29) 给定样本： 待定参数： 其中 中心在 Xi 的径向基函数。 2006-10-12 第*页 二、正则网络 (Regularization Network) 网络首层神经元数量与样本数量相同。 网络模型： 当以Gaussian函数为Green函数时， 第 i 个神经元的运算为： 给定 N 个学习样本后，由公式(3-38)计算得到权值 W，即完成了学习。 (1). 全局近似器(Universal approximator)，可以拟合任意曲线； (2). 最佳拟合； (3). 全局最优，不存在局部最优问题； 特点： (4). 神经元个数与样本数量 N 相同，计算复杂度与 N 3 成正比。 2006-10-12 第*页 三、径向基函数网络 (Radial Based Function Networks) 正则化问题的解： 给出了正则化问题的一般形式，任何Green函数都可以作为 构成正则化网络。当取