重庆快乐十分

RBF神经网络模式识别

动态RBF神经网络模式识别

12721211,秦自杰

2013-03-01

摘要:本文讨论了神经网络模式识别的特点,研究了一种RBF神经网络在模式识别中的训练方法。对RBF神经网络的训练采用一种区域映射的方式,并由此使用区域映射误差函数,同时结合RAN新性条件进行网络节点的动态调整。不但加快了网络的训练过程,而且获得较小的网络结构,提高了网络的泛化性能和正确率。

关键词:径向基函数;分类;区域映射;动态;模式识别

A Dynamic RBF Neural Network for Pattern Recognition

Abstract:The characteristics of neural network for pattern recognition are discussed in this paper。 The problem of training RBF neural network for pattern recognition is considered。 In this paper, a new training algorithm based on the regional mapping and novelty condition of RAN is proposed。 The result show the effectiveness of the proposed approach in RBF network training for pattern recognition, mainly in shortening the learning time, simplifying the structure of network and improving the classification accuracy。

Keywords: RBF; classification; regional mapping; dynamic; Pattern Recognition

1 引言

模式识别的任务是把模式正确地从特征空间映射到类空间,或者说是在特征空间中实现类的划分。目前进行模式识别比较主流的技术方法有,统计模式识别,句法模式识别,模糊模式识别,逻辑推理模式识别和神经网络模式识别等。针对不同的对象和目的,可以采用不同的模式识别理论、方法。

在数据样本分类领域,由于所要处理问题中模式样本越来越复杂,对分类器的设计提出了更高的要求,而神经网络不但有并行和容错等特点,还具有自适应能力,不但能自适应地学习,有的网络还能自适应的调整网络结构。在模式识别领域已经表现出巨大的优势和潜力[8、9]。神经网络模式识别已经发展成为模式识别领域的一种重要方法,发挥着传统模式识别方法不可替代的作用。使用神经网络进行模式识别的方法就是根据样本的特征向量进行匹配,建立网络模型,将其分类到正确的样本空间内。神经网络可以实现的功能为特征提取和统计分类两个部分,其中RBF神经网络因为其良好的分类性能得到越来越多的应用。

本文针对RBF网络在模式识别中的特性,通过改进的误差函数使网络具有区域映射的功能,同时在网络训练初始阶段使用输入输出样本聚类方法决定初始隐层节点,并通过RAN网络[12,13]“新性”条件添加和调整网络参数,建立一个精简的网络结构来完成模式识别的功能。

重庆快乐十分2 神经网络模式识别的特点

⑴神经网络具有自组织和自学习能力,能够直接输入数据并进行学习。它神经网络对所要处理的对象在样本空间的分布状态无需做任何假设,而是直接从数据中学习样本之间的关系,因而还能

1

RBF神经网络模式识别的相关文档搜索

相关文档
青海福彩网 青海体彩网 江苏11选5平台 海南福彩网 北京福彩网 上海福彩网 江西快3 小金棋牌 吉林福彩网 浙江福彩网