Однослойные сети RBF для решения задач регрессии (пример)
Материал из MachineLearning.
(категория) |
|||
| Строка 4: | Строка 4: | ||
Задана выборка — множество <tex>\{{x}_1,\ldots,{x}_N|x\in\R^M\}</tex> значений свободных переменных и множество <tex>\{y_1,\ldots, y_N| y\in\R\}</tex> соответствующих им значений зависимой переменной. Требуется решить задачу [[регрессия|{{S|регрессии}}]] с помощью однослойной сети RBF. | Задана выборка — множество <tex>\{{x}_1,\ldots,{x}_N|x\in\R^M\}</tex> значений свободных переменных и множество <tex>\{y_1,\ldots, y_N| y\in\R\}</tex> соответствующих им значений зависимой переменной. Требуется решить задачу [[регрессия|{{S|регрессии}}]] с помощью однослойной сети RBF. | ||
| + | |||
| + | {{Задание|Кононенко Даниил|В.В.Стрижов|28 мая 2010}} | ||
[[Категория:Нейронные сети]] | [[Категория:Нейронные сети]] | ||
Версия 16:16, 10 мая 2010
Сеть радиальных базисных функций - нейронная сеть прямого распространения сигнала, которая содержит промежуточный (скрытый) слой радиально симметричных нейронов. Такой нейрон преобразовывает расстояние от данного входного вектора до соответствующего ему "центра" по некоторому нелинейному закону.
Постановка задачи
Задана выборка — множество значений свободных переменных и множество
соответствующих им значений зависимой переменной. Требуется решить задачу регрессии с помощью однослойной сети RBF.
| Данная статья является непроверенным учебным заданием.
До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе. |
