您的位置:首页 > 股票知识 > 利用技术分析选择盈利股 > [rbf神经网络原理]RBF神经网络学习算法

[rbf神经网络原理]RBF神经网络学习算法

时间:2013-09-02   来源:利用技术分析选择盈利股   点击:

RBF网络学习算法

RBF网络的学习过程分为两个阶段。第一阶段,根据所有的输入样本决定隐含层各节点的径向基函数的中心值Cj 和径向基函数的宽度σj。第二阶段,在决定好隐层j的参数后,根据样本,利用最小二乘原则求出输出层的权值Wi。有时在完成第二阶段的学习后,再根据样本信号,同时校正隐层和输出层的参数以进一步提高网络的精度。

RBF神经网络学习算法

由此可见,根据给定的训练样本,快速有效地确定径向基函数的中心Cj和输出层权值Wi是训练RBF神经网络的关键任务。事实上一旦确定了径向基函数的中心Cj,则对于所有的训练样本而言Φj和预期输出yk是已知的,输出权值wi可以由最小二乘法等方法求出。因此,建立RBF神经网络的关键问题是根据给定的训练样本确定径向基函数的中心。


推荐内容

推荐文章

栏目导航

友情链接

网站首页
早报
原创
名家
新闻
学堂
期货
理财
外汇
炒股软件
股票知识
K线图
平均线
分时图
短线炒股
MACD
涨停板
强势股
热门资讯

copyright 2016-2018 股民股票网保留所有权 京ICP备16025527号 免责声明:网站部分内容转载至网络,如有侵权请告知删除