B.RBF neural networkIn order to imp

B.RBF neural network
In order to implement an optimized RBF neural network
for our classification problem, we need to specify the
activation function for the hidden units and the centres and
widths of RBFs. The mostly used activation function for the
hidden layer is a Gaussian function which has been used for
the hidden units in our RBF classifier. The centroid locations
have been chosen by K-means clustering algorithm [9], and
then the width parameter was calculated using the following
equation:

Kết quả (Việt) 1:

Mạng nơ-ron B.RBFĐể thực hiện một RBF tối ưu hóa mạng nơ-ronĐối với vấn đề phân loại của chúng tôi, chúng ta cần phải xác định cáckích hoạt chức năng cho các đơn vị ẩn và các trung tâm vàđộ rộng của RBFs. Các chức năng được sử dụng chủ yếu là kích hoạt cho cácẩn lớp là một chức năng Gaussian đã được sử dụng choCác đơn vị ẩn của chúng tôi loại RBF. Địa điểm centroidđã được chọn bởi K-có nghĩa là thuật toán kết cụm [9], vàsau đó các thông số chiều rộng đã được tính toán bằng cách sử dụng sau đâyphương trình:

Kết quả (Việt) 2:

B.RBF mạng nơron
Để thực hiện một mạng lưới thần kinh RBF tối ưu
cho vấn đề phân loại của chúng ta, chúng ta cần phải xác định các
chức năng kích hoạt cho các đơn vị ẩn và các trung tâm và
độ rộng của xỉ hàm. Các chức năng kích hoạt sử dụng chủ yếu cho các
lớp ẩn là một hàm Gauss đã được sử dụng cho
các đơn vị ẩn trong phân loại RBF của chúng tôi. Các địa điểm trọng tâm
đã được lựa chọn bởi K-means phân nhóm thuật toán [9], và
sau đó tham số chiều rộng đã được tính toán bằng cách sử dụng sau đây
phương trình: