已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、本文首先介紹了吳永賢(Wing W.Y.NG)博士提出的局部泛化誤差模型及其在徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)中的應(yīng)用。
其次本文針對模式分類問題對局部泛化誤差模型進(jìn)行了分析,指出模型中的一些不合理的地方,如目標(biāo)函數(shù)對樣例的輸出結(jié)果并不一定等于已知樣例本身的真實類別、模型中的假設(shè)在實際情況下很難驗證等等。這些問題很大程度上影響了局部泛化誤差模型的應(yīng)用并削弱了模型的意義,為此本文采用另外的方法改進(jìn)了局部泛化誤差模型。改進(jìn)后的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 局部泛化誤差模型的改進(jìn)及其在特征選擇中的應(yīng)用.pdf
- 多層感知器神經(jīng)網(wǎng)絡(luò)的局部泛化誤差模型.pdf
- 基于局部泛化誤差模型的RBFNN的啟發(fā)式訓(xùn)練方法.pdf
- 基于局部泛化誤差的半監(jiān)督圖像檢索方法.pdf
- 基于局部誤差測度的幾何模型簡化方法研究.pdf
- 應(yīng)用框架層次泛化模型的研究.pdf
- BP神經(jīng)網(wǎng)絡(luò)泛化能力改進(jìn)研究.pdf
- 基于誤差最小化模型的參數(shù)化方法.pdf
- 局部競賽圖的外弧泛圈點.pdf
- 42229.dc泛函的誤差界
- 基于隱變量模型的深度學(xué)習(xí)特征泛化研究.pdf
- 軟測量模型泛化能力研究及其應(yīng)用.pdf
- 基于結(jié)構(gòu)化局部模型的目標(biāo)跟蹤算法.pdf
- 泛函分析基礎(chǔ)命題的改進(jìn).pdf
- 有模型誤差和參數(shù)誤差的系統(tǒng)控制.pdf
- 基于ρ混合誤差下非參數(shù)回歸模型局部多項式估計的漸近性質(zhì).pdf
- 42235.γ似凸泛函的整體誤差界
- 誤差修正模型
- DEM誤差模型研究.pdf
- Logistic回歸參數(shù)遺傳算法估計的分類效果和泛化誤差的分析研究.pdf
評論
0/150
提交評論