人工神经网络.pptVIP

* * 1、基函数中心和宽度的非监督训练 RBF是一种局部响应函数，所以隐层函数中心位置的确定应保证至少有一个隐层单元在输入数据出现时输入空间的某个区域被激活，即基函数的中心应当位于数据集中的区域，且其宽度必须与数据的局部分布以及到最近的其他基函数中心的距离有关。RBF中心和宽度的选择有下列几种方法： (1)随机选取RBF中心 这是一种最简单的方法。此方法中，隐单元RBF的中心是随机的在输入样本数据中选取，且中心固定。 对于给定问题，如果样本数据的分布具有代表性，则此方法不失为一种简单可行的方法。 * * 当RBF选用高斯函数时，它可表示为： M为中心数(即隐单元数)；dm为所选中心之间的最大距离。 目的是为了使高斯函数的形状适度，既不太尖，也不太平。 在此情况下，高斯ERBF的均方差(即宽度)固定为： * * (2)自组织学习选取RBF中心 RBF的中心是可以移动的，并通过自组织学习确定其位置。 RBF的中心的选择可以采用k-均值聚类算法。这是一种无监督的学习方法，具体步骤如下： * * 第一步，初始化聚类中心ci (i =1, 2,?，M) 。一般是从输入样本xj(j=1,2, ? ，N)中选择M个样本作为聚类中心。 第二步，将输入样本按最邻近规则分组，即将xj(j=1,2, ? ，N)分配给中心为ci (i =1, 2,?，M)的输入样本聚类集合?i (i =1, 2,?，