شبکه عصبی RBF چیست ؟

در حوزه ی مدلسازی ریاضی،RBF یک شبکه عصبی مصنوعی هستش که از توابع پایه ای شعاعی به عنوان توابع فعالیت استفاده می‌کنه. خروجی این شبکه یک ترکیب خطی از توابع پایه ی شعاعی برای پارامترهای ورودی و نرونهاست. این شبکه‌ها در تابع تقریب،پیشبینی سری‌های زمانی،کلاسبندی و کنترل سیستم مورد استفاده قرار میگیرند.

معماری شبکه :

شبکه‌های RBF معمولا شامل سه لایه هستن :  لایه ی ورودی ، لایه ی مخفی با یه تابع فعالیت RBF غیرخطی و لایه ی خروجی

12

ورودی می‌تونه به عنوان یه بردار از اعداد حقیقی مدل بشه و خروجی این شبکه یه تابع scalar از بردار ورودی هستش که به صورت زیر محاسبه میشه :

dc6a2260a42662584950ce37862d1391

که N تعداد نرونهای لایه ی مخفی،Ci  بردار مرکز نرون i و ai وزن نرون i در نرون خروجی خطی هستش.

آموزش :

شبکه‌های RBF معمولا به وسیله ی یک الگوریتم دو مرحله ای آموزش داده میشن. در مرحله ی اول، بردارهای مرکز ci  برای توابع RBF در لایه ی مخفی انتخاب میشن. این مرحله رو میشه با چندین روش اجرا کرد : میشه مراکز رو به شکل تصادفی از برخی مجموعه مثالها نمونه برداری کرد، یا میشه از K-means clustring بهره برد.توجه داشته باشین که این مرحله بدون نظارته ( unsupervised).

مرحله ی دوم به سادگی با یک مدل خطی با ضرایب  wi برای خروجی‌های لایه ی مخفی با توجه به تابع هدف،  متناسب میشه.

یه سورس کد از شبکه عصبی RBF هم واستون قرار دادم ، میتونین از لینک زیر دانلود کنین :

rbf

 

Artifical Neural Network tutorial introduction training movie MATLAB programming for Artifical Neural Network tutorial training movie
MATLAB price prediction for Neural Network tutorial training movie MATLAB classification for Neural Network tutorial training movie
MATLAB times series prediction for Neural Network tutorial training movie MATLAB face detection Neural Network tutorial training movie
MATLAB advanced setting Neural Network tutorial training movie

پیام بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

two + = three