ВУЗ:
Составители:
144
начинает превышать число степеней свободы физического процесса. Качество
работы сети при этом снижается. Кроме того, существенно возрастает
вычислительная сложность обучающего алгоритма. Поэтому в РНС ищется
субоптимальное решение в пространстве меньшей размерности, которое, тем не
менее, с достаточной точностью аппроксимирует точное решение.
Если ограничиться m базисными функциями (m<L). То аппроксимирующее
решение
можно представить в виде
)()(
1
∑
=
−ϕ⋅=
m
i
ii
wF CXX
Подбор параметров радиальных функций и значений весов сводится к
минимизации целевой функции, которая при использовании метрики Эвклида
записывается в форме
.])([
11
2
∑∑
==
−−ϕ⋅=
L
i
m
j
iiij
zwS CX (14.3)
Совокупность радиальных функций в (14.3) представляется в виде
матрицы Грина
⎥
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎢
⎢
⎣
⎡
−ϕ−ϕ−ϕ
−ϕ−ϕ−ϕ
−ϕ−ϕ−ϕ
=
)(...)()(
............
)(...)()(
)(...)()(
21
22212
12111
mLLL
m
m
CXCXCX
CXCXCX
CXCXCX
G
.
Если параметры радиальных функций известны, то оптимизация (14.3)
сводится к решению системы уравнений, линейных относительно весов:
G(W) = Z. (14.4)
Вектор весов определяется в результате следующих матричных
преобразований
W = (G
т
·G)
-1
·G
т
·Z. (14.5)
В том случае, если входной многомерный вектор Х имеет различный
масштаб по каждой оси, то необходимо ввести масштабирующие
коэффициенты в виде матрицы Q:
Страницы
- « первая
- ‹ предыдущая
- …
- 142
- 143
- 144
- 145
- 146
- …
- следующая ›
- последняя »
