Радиально-базисные нейронные сети
базисную активационную функцию: у = ехр
ч2<т2,
где С - среднеквадратичное отклонение, характеризующее ширину функции (размер кластера);
S определяется как расстояние между входным и весовым вектором
I
Таким образом, скрытый слой представляет собой набор кластеров в пространстве образов и выполняет первый этап кластеризации входного образа - значение активационной функции каждого нейрона быстро уменьшается с удалением от центра кластера.
Второй слой нейронов имеет линейную активационную функцию, и выполняет второй этап кластеризации - распределяет кластеры по классам.
Рис. 1.4. Структура радиально-базисной нейронной сети
Обучается такая сеть в два этапа. Первый этап осуществляется без учителя, на нём первый слой выделяет компактно расположенные группы кластеров. При этом корректируются центры кластеров. Второй этап обучения осуществляется с учителем, на нем второй слой учится распределять входные образы, пропущенные через первый слой, по классам. Это выполняется матричными методами, или алгоритмом обратного распространения ошибки.
Для локализации лица радиально-базисная сеть применялась в работе
[49].
Еще по теме Радиально-базисные нейронные сети:
- 1.3.2 Нейронные сети радиально-базисного типа
- 2.2. Самонастраивающаяся нейронная сеть радиально базисного типа.
- 2.2.1. Обучение радиальных нейронов СНРБ-сети.
- Свёрточные нейронные сети
- 2.1.2 Топология свёрточной нейронной сети
- 1.2.1 Искусственные нейронные сети в системах распознавания
- Архитектура нейронной сети
- 3.1.2 Результаты обучения нейронной сети.
- 3.3.4 Оценка чувствительности нейронной сети к изменению масштаба
- 2.1.1 Свёрточные нейронные сети
- 1.1. Искусственные нейронные сети. Их основные типы, используемые в физике.
- Общая схема обучения нейронной сети
- Глава 9. Оптические нейронные сети
- Нейронные сети
- 1.3.1 Эластичные нейронные сети
- 3.1 Алгоритм обучения нейронной сети.
- Приложение А. Биологические нейронные сети