LÝ THUYẾT NHẬN DẠNG
MỘT SỐ KỸ THUẬT TRONG LÝ THUYẾT
NHẬN DẠNG (TIẾP)
Biên soạn: TS Ngô Hữu Phúc
Bộ môn: Khoa học máy tính
Học viện kỹ thuật quân sự
Email: ngohuuphuc76@gmail.com
Mạng neural RBF
1
RADIAL BASIS FUNCTIONS NEURAL NETWORKS
Mạng neural là công cụ hiệu quả cho việc biểu diễn ánh
xạ phi tuyến từ tập dữ liệu vào tới tập dữ liệu ra.
Có nhiều lược đồ khác nhau của mạng neural. Trong số
đó là dạng không tham số (ví dụ PNN, k-nearest
neighbor không bao gồm ước lượng có tham số). Trong
đó có dạng có tham số, ví dụ như hàm phân biệt tuyến
tính.
Một ứng dụng quan trọng của mạng neural là tính hồi
quy. Thay vì ánh xạ của tập input vào nhãn lớp rời rạc,
mạng neural ánh xạ tập tham số input vào tập giá trị
liên tục.
Trong phần này xem xét RBF.
2
Mạng neural RBF
KIẾN TRÚC CỦA MẠNG NEURAL RBF
Giả sử input là x, output là y(x), kiến trúc
của mạng neural RBF khi chọn hàm
Gaussian là hàm cơ bản được cho bởi:
Trong công thức trên, cilà các tâm, σlà bán
kính. wilà các trọng số.
Có M hàm cơ bản với các tâm ci.
3
Mạng neural RBF
M
i
i
i
cx
wxy
1
2
2
2
exp
KIẾN TRÚC CỦA MẠNG NEURAL RBF (T)
Kiến trúc của một mạng neural RBF
4
Mạng neural RBF
KHỚP ĐƯỜNG CONG SỬ DỤNG MẠNG NEURAL RBF
Trong bài toán hồi quy, khớp đường cong là một
ứng dụng có sử dụng RBF.
Ví dụ:lấy σ = 1, c1= 2, c2= 5, c3= 8.
Như vậy, hàm đầu ra là
Từ công thức cho thấy, có thể hiệu chỉnh đường
cong bằng việc thay đổi trọng số hoặc tâm.
5
Mạng neural RBF
3
1
2
2
exp
i
i
i
cx
wxy