where the / matrix element / ij giv

where the / matrix element / ij gives the value of / j for the ith sample. For the testing set the output values can be calculated for each data using (18) since the weight vector is known in the training phase. To find the centroids of the kernel function, clustering algorithms [77–81] are employed to enhance the generalizing capability of the classifier. In [78] the RBF network is used to EEG data classification wherein three clustering methods for the RBF are explored.

Kết quả (Việt) 1:

nơi các / yếu tố ma trận / ij đưa ra giá trị của / j cho mẫu ith. Cho các thiết lập thử nghiệm giá trị sản lượng có thể được tính cho mỗi dữ liệu bằng cách sử dụng (18) kể từ khi trọng lượng vector được biết đến trong giai đoạn đào tạo. Để tìm centroids của các chức năng hạt nhân, thuật toán kết cụm [77-81] được sử dụng để tăng cường khả năng generalizing loại. [78] mạng RBF được sử dụng để phân loại dữ liệu EEG trong đó ba kết cụm phương pháp cho RBF được khám phá.

Kết quả (Việt) 2:

nơi các phần tử / ma trận / ij cho giá trị của / j cho các mẫu thứ i. Để kiểm tra thiết lập các giá trị đầu ra có thể được tính cho mỗi dữ liệu bằng cách sử dụng (18) kể từ khi các vector trọng lượng được biết đến trong giai đoạn huấn luyện. Để tìm các trọng tâm của các hàm nhân, phân nhóm các thuật toán [77-81] được sử dụng để tăng cường khả năng khái quát hóa của các phân loại. Trong [78] các mạng RBF được sử dụng để phân loại dữ liệu EEG trong đó ba phương pháp phân nhóm cho RBF được khám phá.