排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
讨论了一种RBF(Radial Basis Function)网络在模式识别中的训练方法.考虑到模式识别的特殊状况,对RBF网络的训练采取了一种区域映射的方式,并且由此使用了区域映射误差函数,同时结合RAN(Resource Allocating Network)新性条件并依据该误差函数进行网络节点的添加和参数调整.网络的仿真结果表明使用这种方法在加快网络训练过程的同时也获得了较小的网络结构,提高了网络的泛化性能.另外该方法也提高了模式识别的正确率. 相似文献
2.
所介绍的材料成分神经网络模型使用的是一种改进的4层径向基函数(RBF)神经网络,其基本思想是根据样本的不同特征采用不同的训练方式,并且在训练过程中根据样本的特征添加隐层节点来加快网络的训练过程．网络的映射选用区域映射方式,可有效防止网络的过拟和,同时也可提高网络的识别效果．对建筑材料系统中相图的仿真结果表明了该方法的有效性。 相似文献
1