آموزش و کد متلب شبکه عصبی شعاعی پایه (RBF)

آموزش و کد متلب شبکه عصبی شعاعی پایه (RBF)

در این محصول مقاله ای به منظور آشنایی با شبکه عصبی RBF و تفاوت آن با MLP ارائه شده و نیز کد متلب این شبکه عصبی در محیط متلب در این محصول موجود می باشد .

چکیده: شبکه های عصبی تابع پایه شعاعی به عنوان یکی از پرکاربردترین شبکه های عصبی برای مسائل دسته بندی و پیش بینی درزمینه تشخیص الگو و یادگیری ماشین مطرح هستند از پارامترهای مهم درکارایی این شبکه ها تعدادنرون ها ی لایه پنهان که همان تعداد مراکز تعیین شده توسط قسمت بدون نظارت این شبکه ها است می باشد و نیز سرعت و حجم حافظه دراین شبکه ها در فاز یادگیری نیز تا حدودی وابسته به قسمت بدون نظارت اینشبکه ها است و همچنین تعیین دقیق و بهینه مکان مراکز درمجموعه داده های بزرگ به علت استفاده از تابع پایه شعاعی به کاررفته دراین شبکه های متواند در دقت تخمین و دسته بندی موثر باشد دراین مقاله پیشنهاد میش ود که برای سرعت بخشیدن و کم کردن میزان حا فظه مورد نیاز و همچنین افزایش صحت دراین شبکه ها برای کار با مجموعه داده های بزرگ از الگوریتم k-means سراسری تغییریافته سریع FMGKM درقیمت بدون نظارت این شبکه ها استفاده شود.