Нейронные сети с радиальными базисными функциями
Состав работы
|
|
|
|
Работа представляет собой zip архив с файлами (распаковать онлайн), которые открываются в программах:
- Microsoft Word
Описание
Цель лабораторной работы: освоить основные принципы решения задачи нейронных сетей с радиальными базисными функциями.
Задание: Используя встроенные функции пакета нейронных сетей математической среды Matlab, построить нейронную сеть с радиальными базисными функциями.
1 Теоретические сведения
Сети РБФ имеют ряд преимуществ перед рассмотренными многослойными сетями прямого распространения. Во-первых, они моделируют произвольную нелинейную функцию с помощью всего одного промежуточного слоя, тем самым, избавляя разработчика от необходимости решать вопрос о числе слоев. Во-вторых, параметры линейной комбинации в выходном слое можно полностью оптимизировать с помощью хорошо известных методов линейной оптимизации, которые работают быстро и не испытывают трудностей с локальными минимумами, так мешающими при обучении с использованием алгоритма обратного распространения ошибки. Поэтому сеть РБФ обучается очень быстро - на порядок быстрее, чем с использованием алгоритма ОР (обратного распространения).
Недостатки сетей РБФ: данные сети обладают плохими экстраполирующими свойствами и получаются весьма громоздкими при большой размерности вектора входов.
На рис. 1 представлена структурная схема нейронной сети с радиальными базисными функциями.
Нейронная сеть радиальных базисных функций содержит в наиболее простой форме три слоя: обычный входной слой, выполняющий распределение данных образца для первого слоя весов; слой скрытых нейронов с радиально симметричной активационной функцией, каждый j -й из которых предназначен для хранения отдельного эталонного вектора в виде вектора весов wj(h); выходной слой
Для построения сети РБФ необходимо выполнение следующих условий.
Во-первых, наличие эталонов, представленных в виде весовых векторов нейронов скрытого слоя. Во-вторых, наличие способа измерения расстояния входного вектора от эталона. Обычно это стандартное евклидово расстояние. В-третьих, специальная функция активации нейронов скрытого слоя, задающая выбранный способ измерения расстояния. Обычно используется функция Гаусса, существенно усиливающая малую разницу между входным и эталонным векторами. Выходной сигнал эталонного нейрона скрытого слоя aj- это функция (гауссиан) только от расстояния pj между входным и эталонным векторами.
Задание: Используя встроенные функции пакета нейронных сетей математической среды Matlab, построить нейронную сеть с радиальными базисными функциями.
1 Теоретические сведения
Сети РБФ имеют ряд преимуществ перед рассмотренными многослойными сетями прямого распространения. Во-первых, они моделируют произвольную нелинейную функцию с помощью всего одного промежуточного слоя, тем самым, избавляя разработчика от необходимости решать вопрос о числе слоев. Во-вторых, параметры линейной комбинации в выходном слое можно полностью оптимизировать с помощью хорошо известных методов линейной оптимизации, которые работают быстро и не испытывают трудностей с локальными минимумами, так мешающими при обучении с использованием алгоритма обратного распространения ошибки. Поэтому сеть РБФ обучается очень быстро - на порядок быстрее, чем с использованием алгоритма ОР (обратного распространения).
Недостатки сетей РБФ: данные сети обладают плохими экстраполирующими свойствами и получаются весьма громоздкими при большой размерности вектора входов.
На рис. 1 представлена структурная схема нейронной сети с радиальными базисными функциями.
Нейронная сеть радиальных базисных функций содержит в наиболее простой форме три слоя: обычный входной слой, выполняющий распределение данных образца для первого слоя весов; слой скрытых нейронов с радиально симметричной активационной функцией, каждый j -й из которых предназначен для хранения отдельного эталонного вектора в виде вектора весов wj(h); выходной слой
Для построения сети РБФ необходимо выполнение следующих условий.
Во-первых, наличие эталонов, представленных в виде весовых векторов нейронов скрытого слоя. Во-вторых, наличие способа измерения расстояния входного вектора от эталона. Обычно это стандартное евклидово расстояние. В-третьих, специальная функция активации нейронов скрытого слоя, задающая выбранный способ измерения расстояния. Обычно используется функция Гаусса, существенно усиливающая малую разницу между входным и эталонным векторами. Выходной сигнал эталонного нейрона скрытого слоя aj- это функция (гауссиан) только от расстояния pj между входным и эталонным векторами.
Другие работы
Инженерная и компьютерная графика. Контрольная работа. Вариант №21
rambox360
: 19 октября 2015
1)Выполнение первого листа контрольной работы.
Построить три проекции сферы со сквозным отверстием.
2)Выполнение второго листа контрольной работы.
Построить две проекции линии пересечения поверхностей вращения.
3)Выполнение третьего листа контрольной работы
По двум заданным видам построить три изображения,
Выполнить заданные разрезы и наклонное сечение.
Нанести размерные линии.
100 руб.
Технологические основы процессов ковки
DocentMark
: 18 июля 2016
Введение
Литературный обзор
Ковка
Виды ковки
Художественная ковка
Холодная ковка
Радиальная ковка
Процесс ковки
Нагрев болванки
Обжимка болванки
Заготовка
Окончательная отделка
Факторы влияющие на параметры поковки
Основные операции ковки
Оборудование и инструменты
Модернизация пневматического молота
Патентное исследование
Расчёт параметров процесса ковки
Вывод
Заключение
Список литературы
Приложение
10 руб.
Генеральный план предприятия "№2"
grom555
: 15 февраля 2013
1 чертёж, формат А1,перечень элементов не отображен на листе, чертеж Генеральный план "№2", выполнен в компасе 8-ой версии на формате А1. На листе изображен Генеральный план предприятия, пронумерованы элементы, перечень элементов не отображен на чертеже, основная надпись не заполнена, файл имеет расширение cdw. , упакован в zip. чертёж выполнен в соответствии с ЕСКД. Может быть использован для Курсовых и Дипломных проектов по машиностроительным дисциплинам
60 руб.
Рабинович О.М. Сборник задач по технической термодинамике Задача 258
Z24
: 4 октября 2025
В сосуде объемом 400 л заключен воздух при давлении р1=0,1 МПа и температуре t1=-40 ºС. Параметры среды: р0=0,1 МПа и t0=20 ºС.
Определить максимальную полезную работу, которую может произвести воздух, заключенный в сосуде. Представить процесс в диаграммах рυ и Ts.
Ответ: Lmax(полезн)=4300 Дж.
160 руб.