RBF нейронные сети

Question

Я хотел бы применить нейронные сети RBF для обучения моей системе. У меня есть система с входом:

|    1    2    3    4    5    6 ...   32 |    33 |
| 1000 0001 0010 0100 1000 1000 ... 0100 | 0 0 1 |

Вы должны прочитать это без "|" персонаж. Я просто хотел, чтобы вы увидели, что последние три элемента на входе остаются вместе. Результат должен быть числом от 1 до 32, который имеет значение «1000» на входе. В моем тренировочном наборе у меня всегда будет результат для такого массива. Какие функции я могу использовать для алгоритма обучения? Можете ли вы указать мне, пожалуйста, правильный путь?

Если вы не можете понять мое описание, пожалуйста, не стесняйтесь спрашивать об этом. Спасибо вам, ребята, за помощь!

Answer 1

Использование сети RBF для этого кажется странным решением. Но если на это настроено ваше сердце: (вполне возможно, что я совершенно не понял проблему, которую вы хотите решить).

Возможно, вы захотите поместить его в терминах классификации и обучить 32 двоичных классификатора, которые определяют, находится ли «1000» в каждой из 32 записей. Или больше в терминах «нейронной сети» 32 * 4 входа и 32 выхода.

Одним из эффективных способов обучения сети RBF является использование SVM с ядром RBF. Хорошей реализацией этого является LIBSVM .