神经网络预测法资料.pptVIP

由此可得网络的输入-输出关系为： 径向基神经网络也是一种前馈网络,它有两个网络层：隐层为径向基层;输出为一线性层,如图7.3 所示。 这两个函数中都有参数spread,在实际应用中，合理选择spread是非常重要的。其值代表了径向基函数的宽度，表示的是RBF神经元能产生响应的范围，画图。该值越大，一个RBF神经元能能产生响应的范围越大。我们要求部分RBF神经元能够对所有输入向量都产生响应。网络设计过程中，需要用不同的SPEAD进行尝试，以确定一个最优值。 * 采用了自组织学习方法，从而具有自组织功能的网络即为自组织神经网络，如SOM网、CPN网以及ART网。 自组织学习（无监督学习、无导师学习） 1.采用有导师学习规则的神经网络要求对所学习的样本给出“正确答案”，以便网络据此判断输出的误差，根据误差的大小改进自身的权值，提高正确解决问题的能力。 .2 然而在很多情况下，人在认知过程中没有预知的正确模式，人获得大量知识常常是靠“无师自通”，即通过对客观事物的反复观察、分析与比较，自行揭示其内在规律，并对具有共同特征的事物进行正确归类。对于人的这种学习方式，基于有导师学习策略的神经网络是无能为力的。 3.自组织神经网络的无导师学习方式更类似于人类大脑中生物神经网络的学习，其最重要特点是通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变