高斯型基底類神經網路的學習與收斂特性

標題:	高斯型基底類神經網路的學習與收斂特性 On the learning and convergence of gaussian radial basis networks
作者:	林茂行 LIN, MAO-XING 陳福川 CHEN, FU-CHUAN 電控工程研究所
關鍵字:	高斯型;神經網路;收斂
公開日期:	1992
摘要:	本文的主旨在於探討高斯型基底類神經網路的學習與收斂特性。首先我們介紹如何運用頻域分析的設計法則來決定網路的參數。其次，我們引進一個修正型的梯度下降學習法則並証明學習的收斂性。所謂修正型的梯度下降學習法則是將齒隙函數的觀念引入傳統的梯度下降學習法則。最後，我們透過正式的分析說明它的學習時間是以輸入維度的次方倍增長，即使使用平行處理的硬體架構。 #9302546 #9302546
URI:	http://140.113.39.130/cdrfb3/record/nctu/#NT812327006 http://hdl.handle.net/11536/57191
顯示於類別：	畢業論文