English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 8557/14866 (58%)
造訪人次 : 1973361      線上人數 : 901
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    主頁登入上傳說明關於CHUR管理 到手機版


    請使用永久網址來引用或連結此文件: http://chur.chu.edu.tw/handle/987654321/32002


    題名: 具自適應核形狀參數的徑向基底函數網路
    作者: 葉怡成
    Yeh, I-Cheng
    貢獻者: 資訊管理學系
    Information Management
    關鍵詞: 半徑基神經網路;監督式學習;核函數;分類
    Radial;function;learning;kernel function;classification
    日期: 2008
    上傳時間: 2014-06-27 01:41:27 (UTC+8)
    摘要: 徑向基底函數網路(RBFN)常用於分類問題,它的核有形心與半徑二種參數,這二種參數可用監督式或無監督式學習來決定。但它有一個缺點是視所有自變數有同等地位,故分類邊界是圓形,但事實上每一個自變數對分類的影響力不同,分類邊界是應該是橢圓形較合理。為克服此一缺點,本文提出具自適應核形狀參數的徑向基底函數網路,並以監督式學習推導出其學習規則。為證明此一架構優於傳統的徑向基底函數網路,本研究以五個人為的與七個真實的分類例題進行比較。結果顯示,此一架構確實比倒傳遞網路及傳統的徑向基底函數網路更為準確,狀參數值的大小確
    Radial Basis Function Network (RBFN) is usually employed for classification problems, whose kernel has centroid and radius parameters determined with supervised or unsupervised learning. However, it has a shortcoming that it regards each independent varia
    顯示於類別:[資訊管理學系] 期刊論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    p_m321_0015.pdf35KbAdobe PDF71檢視/開啟


    在CHUR中所有的資料項目都受到原著作權保護.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋