Нейронные сети и нейроконтроллеры. Бураков М.В. - 136 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

136
11 21
12 22
13 23
ò
ò1
0 6977 0 0773 1
0 6977 0 8521 1 9
0 0773 0 6977 3
0 9795 0 7024
0 7024 1 2188
1 7398 1 0026
1 0026 1 3982
() () , ,
() () , , , ,,
() () , ,
,,
,
,,
,,
()
,,
hx hx
F hx hx Y
hx hx
FF
FF
-
é ùé ù é ù
ê úê ú ê ú
ê úê ú ê ú
== =
ê úê ú ê ú
ê úê ú ê ú
ë ûë û ë û
éù
êú
=
êú
ëû
éù
-
êú
=
êú
-
ëû
ò 1ò
0 1244
3 0373
,
,
() .
,
W FF FY
-
éù
êú
==
êú
ëû
На рис. 5.6 приведен результат аппроксимации. Полученное ка-
чество очевидно невысоко по сравнению с линейной функцией z(x),
которая обеспечивает в данном случае наилучшую аппроксимацию
исходных данных.
Таким образом, если параметры гауссовой функции (центр и
радиус) заданы, то задача нахождения весов выходного слоя RBF-
сети может быть решена методами линейной алгебры – методом
псевдообратных матриц.
5.3. Обучение радиальной нейронной сети
В большинстве случаев выбор центров и радиусов активацион-
ных функций представляет собой сложную задачу, требующую
анализа обучающей выборки. При этом можно выделить три взаи-
мозависимые проблемы, связанные с выбором:
• числа нейронов скрытого слоя;
• центров и радиусов нейронов;
• весов выходного слоя.
Для решения первой задачи может быть использована, напри-
мер, вершинная кластеризация [50]. Полученное число кластеров
примерно соответствует необходимому числу нейронов скрытого
слоя. Центры кластеров можно использовать для первоначального
задания центров активационных функций нейронов.
Для решения второй и третьей задач можно использовать один
из методов глобальной оптимизации, например, генетический ал-
горитм (ГА) [51].
Использование ГА предполагает кодирование параметров стро-
кой действительных чисел – хромосомой. Множество хромосом
образуют популяцию. Каждая хромосома снабжается оценкой при-
годности, т. е. соответствия критерию, который может описывать-
ся, например, формулой (5.3).

Страницы