| http://dbpedia.org/ontology/abstract
|
Мережа радіально базисних функцій (англ. R … Мережа радіально базисних функцій (англ. Radial basis function (RBF) networks) у математичному моделюванні — це штучна нейронна мережа, яка використовує радіальні базисні функції у якості функції активації. Виходом мережі є лінійна комбінація радіальних базисних функцій входу та параметрів нейрона. Мережі радіальних базисних функцій мають багато застосувань, зокрема, такі як , прогнозування часових рядів, задачі класифікації та керування системою. Вони були вперше сформульовані у статті 1988 року Брумхедом і Лоу, обидва дослідники з .оку Брумхедом і Лоу, обидва дослідники з .
, 在数学建模领域，径向基函数网络（Radial basis function netw … 在数学建模领域，径向基函数网络（Radial basis function network，縮寫 RBF network）是一种使用径向基函数作为激活函数的人工神经网络。径向基函数网络的输出是输入的径向基函数和神经元参数的线性组合。径向基函数网络具有多种用途，包括包括函数近似法、时间序列预测、分类和系统控制。他们最早由布魯姆赫德（Broomhead）和洛維（Lowe）在1988年建立。 径向基函数网络通常有三层：输入层、隐藏层和一个非线性激活函数和线性径向基神经网络输出层。输入可以被建模为实数向量。输出是输入向量的一个标量函数。和线性径向基神经网络输出层。输入可以被建模为实数向量。输出是输入向量的一个标量函数。
, In the field of mathematical modeling, a r … In the field of mathematical modeling, a radial basis function network is an artificial neural network that uses radial basis functions as activation functions. The output of the network is a linear combination of radial basis functions of the inputs and neuron parameters. Radial basis function networks have many uses, including function approximation, time series prediction, classification, and system control. They were first formulated in a 1988 paper by Broomhead and Lowe, both researchers at the Royal Signals and Radar Establishment.the Royal Signals and Radar Establishment.
, Las redes de base radial son un tipo de redes de neuronas artificiales que calculan la salida de la función en función de la distancia a un punto denominado centro. Al igual que con los perceptrones multicapa, sirven como aproximadores universales.
, Una rete neurale a base radiale o rete di … Una rete neurale a base radiale o rete di funzione di base radiale è una rete neurale artificiale che usa le funzione di base radiale come funzioni d'attivazione. Essa è una combinazione lineare delle funzioni di base radiale.Sono usate nell'approssimazione di funzioni, nella predizione di serie temporali e nel controllo.izione di serie temporali e nel controllo.
, Sieć radialna – rodzaj jednokierunkowej si … Sieć radialna – rodzaj jednokierunkowej sieci neuronowej w której wykorzystywana jest technika radialnych funkcji bazowych (RBF – Radial Basis Functions) i stosowane są neurony radialne. Sieć radialna w typowym kształcie składa się z warstwy wejściowej (nieangażowanej bezpośrednio w procesy przetwarzania informacji), warstwy ukrytej złożonej z neuronów radialnych (jest ich zwykle bardzo dużo) i warstwy wyjściowej, wypracowującej odpowiedź sieci. Neurony radialne służą do rozpoznawania powtarzalnych i charakterystycznych cech grup (skupisk) danych wejściowych. Konkretny neuron radialny ulega pobudzeniu, gdy sieć radialna konfrontowana jest z przypadkiem podobnym do tego, który nauczył się on wcześniej rozpoznawać jako reprezentanta pewnej grupy. W warstwie wyjściowej sieci radialnej najczęściej występuje jeden neuron liniowy – ale bywają wyjątki od tej reguły. Neuron w warstwie ukrytej realizuje funkcję zmieniającą się radialnie wokół wybranego centrum c i przyjmującą wartości niezerowe tylko w tego centrum. Funkcję taką oznaczamy w postaci i nazywamy radialną funkcją bazową.Neuron ma za zadanie odwzorować radialną przestrzeń wokół jednego zadanego punktu lub grupy punktów stanowiących klaster. Superpozycja sygnałów od wszystkich neuronów ukrytych, dokonywana przez neuron wyjściowy, pozwala uzyskać odwzorowanie całej przestrzeni wielowymiarowej.Architektura sieci radialnych ma strukturę analogiczną do struktury wielowarstwowej o jednej warstwie ukrytej, która to reprezentuje realizowane przez neurony o radialnej funkcji bazowej. Najprostsza sieć radialna działa na zasadzie wielowymiarowej interpolacji, która odwzorowuje różnych wektorów wejściowych z przestrzeni wejściowejN-wymiarowej w zbiór liczb rzeczywistych Odpowiada to przyjęciu neuronów radialnych w warstwie ukrytej i określenie funkcji odwzorowania dla której spełnione są warunki interpolacjia której spełnione są warunki interpolacji
, Сеть радиально-базисных функций — искусств … Сеть радиально-базисных функций — искусственная нейронная сеть, которая использует радиальные базисные функции как функции активации. Выходом сети является линейная комбинация радиальных базисных функций входов и параметров нейрона. Сети радиальных базисных функций имеют множество применений, в том числе , прогнозирования временных рядов, классификации и системы управления. Впервые сформулированы в 1988 Брумхедом и Лоу.вые сформулированы в 1988 Брумхедом и Лоу.
|
| http://dbpedia.org/ontology/thumbnail
|
http://commons.wikimedia.org/wiki/Special:FilePath/Rbf-network.svg?width=300 +
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
http://ieeexplore.ieee.org/xpl/freeabs_all.jsp%3Farnumber=137644 +
, https://web.archive.org/web/20070302175857/http:/www.ki.inf.tu-dresden.de/~fritzke/FuzzyPaper/node5.html +
, https://eprints.soton.ac.uk/251135/1/00080341.pdf +
, http://courses.cs.tamu.edu/rgutier/cpsc636_s10/poggio1990rbf2.pdf +
|
| http://dbpedia.org/ontology/wikiPageID
|
9651443
|
| http://dbpedia.org/ontology/wikiPageLength
|
30278
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1124943010
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Gradient_descent +
, http://dbpedia.org/resource/Category:Classification_algorithms +
, http://dbpedia.org/resource/Newton%27s_method +
, http://dbpedia.org/resource/Stochastic_kernel +
, http://dbpedia.org/resource/Cerebellar_model_articulation_controller +
, http://dbpedia.org/resource/Scalar_%28mathematics%29 +
, http://dbpedia.org/resource/Learning_rate +
, http://dbpedia.org/resource/Logistic_map +
, http://dbpedia.org/resource/Unsupervised_learning +
, http://dbpedia.org/resource/Roger_Jones_%28physicist_and_entrepreneur%29 +
, http://dbpedia.org/resource/Royal_Signals_and_Radar_Establishment +
, http://dbpedia.org/resource/Bayes_theorem +
, http://dbpedia.org/resource/Statistical_classification +
, http://dbpedia.org/resource/Linear_combination +
, http://dbpedia.org/resource/Normal_distribution +
, http://dbpedia.org/resource/Mean_squared_error +
, http://dbpedia.org/resource/Artificial_neural_network +
, http://dbpedia.org/resource/Inverse_problem +
, http://dbpedia.org/resource/Norm_%28mathematics%29 +
, http://dbpedia.org/resource/Population_dynamics +
, http://dbpedia.org/resource/Compact_space +
, http://dbpedia.org/resource/Lyapunov_exponent +
, http://dbpedia.org/resource/Pseudoinverse +
, http://dbpedia.org/resource/Category:Neural_network_architectures +
, http://dbpedia.org/resource/In_Situ_Adaptive_Tabulation +
, http://dbpedia.org/resource/Mahalanobis_distance +
, http://dbpedia.org/resource/Universal_approximator +
, http://dbpedia.org/resource/Mathematical_modeling +
, http://dbpedia.org/resource/Kronecker_delta_function +
, http://dbpedia.org/resource/Category:Machine_learning_algorithms +
, http://dbpedia.org/resource/File:Chaotic_Time_Series_Prediction.svg +
, http://dbpedia.org/resource/File:060728b_unnormalized_basis_function_phi.png +
, http://dbpedia.org/resource/File:Rbf-network.svg +
, http://dbpedia.org/resource/File:Normalized_basis_functions.png +
, http://dbpedia.org/resource/Radial_basis_function_kernel +
, http://dbpedia.org/resource/File:060731_logistic_map_time_series_2.png +
, http://dbpedia.org/resource/File:060808_control_of_logistic_map.svg +
, http://dbpedia.org/resource/Predictive_analytics +
, http://dbpedia.org/resource/File:Unnormalized_radial_basis_functions.svg +
, http://dbpedia.org/resource/Forward_problem +
, http://dbpedia.org/resource/Instantaneously_trained_neural_networks +
, http://dbpedia.org/resource/K-means_clustering +
, http://dbpedia.org/resource/Data_clustering +
, http://dbpedia.org/resource/Logistic_function +
, http://dbpedia.org/resource/Local_linearity +
, http://dbpedia.org/resource/Category:Regression_analysis +
, http://dbpedia.org/resource/Activation_function +
, http://dbpedia.org/resource/Control_theory +
, http://dbpedia.org/resource/Category:Computational_statistics +
, http://dbpedia.org/resource/Instance-based_learning +
, http://dbpedia.org/resource/Time_series_prediction +
, http://dbpedia.org/resource/Regularization_%28machine_learning%29 +
, http://dbpedia.org/resource/Hierarchical_RBF +
, http://dbpedia.org/resource/Chaos_theory +
, http://dbpedia.org/resource/Radial_basis_function +
, http://dbpedia.org/resource/Backpropagation +
, http://dbpedia.org/resource/Euclidean_distance +
, http://dbpedia.org/resource/Function_approximation +
, http://dbpedia.org/resource/Vector_%28geometric%29 +
|
| http://dbpedia.org/property/align
|
right
|
| http://dbpedia.org/property/caption
|
Three normalized radial basis functions in one input dimension. The additional basis function has center at
, Two normalized radial basis functions in one input dimension . The basis function centers are located at and .
, Four normalized radial basis functions in one input dimension. The fourth basis function has center at . Note that the first basis function has become localized.
|
| http://dbpedia.org/property/direction
|
vertical
|
| http://dbpedia.org/property/image
|
3
, 4
, Normalized radial basis functions.svg
|
| http://dbpedia.org/property/width
|
250
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:Cite_book +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Multiple_images +
, http://dbpedia.org/resource/Template:Editorializing +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Machine_learning_algorithms +
, http://dbpedia.org/resource/Category:Neural_network_architectures +
, http://dbpedia.org/resource/Category:Classification_algorithms +
, http://dbpedia.org/resource/Category:Computational_statistics +
, http://dbpedia.org/resource/Category:Regression_analysis +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Network +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Radial_basis_function_network?oldid=1124943010&ns=0 +
|
| http://xmlns.com/foaf/0.1/depiction
|
http://commons.wikimedia.org/wiki/Special:FilePath/Rbf-network.svg +
, http://commons.wikimedia.org/wiki/Special:FilePath/Unnormalized_radial_basis_functions.svg +
, http://commons.wikimedia.org/wiki/Special:FilePath/3_Normalized_radial_basis_functions.svg +
, http://commons.wikimedia.org/wiki/Special:FilePath/4_Normalized_radial_basis_functions.svg +
, http://commons.wikimedia.org/wiki/Special:FilePath/Chaotic_Time_Series_Prediction.svg +
, http://commons.wikimedia.org/wiki/Special:FilePath/060808_control_of_logistic_map.svg +
, http://commons.wikimedia.org/wiki/Special:FilePath/060728b_unnormalized_basis_function_phi.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/060731_logistic_map_time_series_2.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Normalized_basis_functions.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Normalized_radial_basis_functions.svg +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Radial_basis_function_network +
|
| owl:sameAs |
http://pl.dbpedia.org/resource/Sie%C4%87_radialna +
, http://ru.dbpedia.org/resource/%D0%A1%D0%B5%D1%82%D1%8C_%D1%80%D0%B0%D0%B4%D0%B8%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE-%D0%B1%D0%B0%D0%B7%D0%B8%D1%81%D0%BD%D1%8B%D1%85_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D0%B9 +
, http://zh.dbpedia.org/resource/%E5%BE%84%E5%90%91%E5%9F%BA%E5%87%BD%E6%95%B0%E7%BD%91%E7%BB%9C +
, http://uk.dbpedia.org/resource/%D0%9C%D0%B5%D1%80%D0%B5%D0%B6%D0%B0_%D1%80%D0%B0%D0%B4%D1%96%D0%B0%D0%BB%D1%8C%D0%BD%D0%B8%D1%85_%D0%B1%D0%B0%D0%B7%D0%B8%D1%81%D0%BD%D0%B8%D1%85_%D1%84%D1%83%D0%BD%D0%BA%D1%86%D1%96%D0%B9 +
, http://it.dbpedia.org/resource/Rete_neurale_a_base_radiale +
, http://es.dbpedia.org/resource/RNA_de_base_radial +
, http://dbpedia.org/resource/Radial_basis_function_network +
, http://www.wikidata.org/entity/Q2679684 +
, https://global.dbpedia.org/id/2Wbe5 +
, http://yago-knowledge.org/resource/Radial_basis_function_network +
, http://rdf.freebase.com/ns/m.02pn52m +
|
| rdf:type |
http://dbpedia.org/class/yago/Description106724763 +
, http://dbpedia.org/class/yago/WikicatClassificationAlgorithms +
, http://dbpedia.org/class/yago/Communication100033020 +
, http://dbpedia.org/class/yago/Procedure101023820 +
, http://dbpedia.org/class/yago/YagoPermanentlyLocatedEntity +
, http://dbpedia.org/class/yago/ComputerArchitecture106725249 +
, http://dbpedia.org/class/yago/Rule105846932 +
, http://dbpedia.org/class/yago/NeuralNetwork106725467 +
, http://dbpedia.org/class/yago/Algorithm105847438 +
, http://dbpedia.org/class/yago/WikicatArtificialNeuralNetworks +
, http://dbpedia.org/class/yago/Message106598915 +
, http://dbpedia.org/class/yago/PsychologicalFeature100023100 +
, http://dbpedia.org/class/yago/Act100030358 +
, http://dbpedia.org/ontology/Broadcaster +
, http://dbpedia.org/class/yago/Specification106725067 +
, http://dbpedia.org/class/yago/Abstraction100002137 +
, http://dbpedia.org/class/yago/Statement106722453 +
, http://dbpedia.org/class/yago/Activity100407535 +
, http://dbpedia.org/class/yago/Event100029378 +
|
| rdfs:comment |
Мережа радіально базисних функцій (англ. R … Мережа радіально базисних функцій (англ. Radial basis function (RBF) networks) у математичному моделюванні — це штучна нейронна мережа, яка використовує радіальні базисні функції у якості функції активації. Виходом мережі є лінійна комбінація радіальних базисних функцій входу та параметрів нейрона. Мережі радіальних базисних функцій мають багато застосувань, зокрема, такі як , прогнозування часових рядів, задачі класифікації та керування системою. Вони були вперше сформульовані у статті 1988 року Брумхедом і Лоу, обидва дослідники з .оку Брумхедом і Лоу, обидва дослідники з .
, Sieć radialna – rodzaj jednokierunkowej si … Sieć radialna – rodzaj jednokierunkowej sieci neuronowej w której wykorzystywana jest technika radialnych funkcji bazowych (RBF – Radial Basis Functions) i stosowane są neurony radialne. Sieć radialna w typowym kształcie składa się z warstwy wejściowej (nieangażowanej bezpośrednio w procesy przetwarzania informacji), warstwy ukrytej złożonej z neuronów radialnych (jest ich zwykle bardzo dużo) i warstwy wyjściowej, wypracowującej odpowiedź sieci. Neurony radialne służą do rozpoznawania powtarzalnych i charakterystycznych cech grup (skupisk) danych wejściowych. Konkretny neuron radialny ulega pobudzeniu, gdy sieć radialna konfrontowana jest z przypadkiem podobnym do tego, który nauczył się on wcześniej rozpoznawać jako reprezentanta pewnej grupy. W warstwie wyjściowej sieci radialnej najczęśarstwie wyjściowej sieci radialnej najczęś
, 在数学建模领域，径向基函数网络（Radial basis function netw … 在数学建模领域，径向基函数网络（Radial basis function network，縮寫 RBF network）是一种使用径向基函数作为激活函数的人工神经网络。径向基函数网络的输出是输入的径向基函数和神经元参数的线性组合。径向基函数网络具有多种用途，包括包括函数近似法、时间序列预测、分类和系统控制。他们最早由布魯姆赫德（Broomhead）和洛維（Lowe）在1988年建立。 径向基函数网络通常有三层：输入层、隐藏层和一个非线性激活函数和线性径向基神经网络输出层。输入可以被建模为实数向量。输出是输入向量的一个标量函数。和线性径向基神经网络输出层。输入可以被建模为实数向量。输出是输入向量的一个标量函数。
, Las redes de base radial son un tipo de redes de neuronas artificiales que calculan la salida de la función en función de la distancia a un punto denominado centro. Al igual que con los perceptrones multicapa, sirven como aproximadores universales.
, In the field of mathematical modeling, a r … In the field of mathematical modeling, a radial basis function network is an artificial neural network that uses radial basis functions as activation functions. The output of the network is a linear combination of radial basis functions of the inputs and neuron parameters. Radial basis function networks have many uses, including function approximation, time series prediction, classification, and system control. They were first formulated in a 1988 paper by Broomhead and Lowe, both researchers at the Royal Signals and Radar Establishment.the Royal Signals and Radar Establishment.
, Una rete neurale a base radiale o rete di … Una rete neurale a base radiale o rete di funzione di base radiale è una rete neurale artificiale che usa le funzione di base radiale come funzioni d'attivazione. Essa è una combinazione lineare delle funzioni di base radiale.Sono usate nell'approssimazione di funzioni, nella predizione di serie temporali e nel controllo.izione di serie temporali e nel controllo.
, Сеть радиально-базисных функций — искусств … Сеть радиально-базисных функций — искусственная нейронная сеть, которая использует радиальные базисные функции как функции активации. Выходом сети является линейная комбинация радиальных базисных функций входов и параметров нейрона. Сети радиальных базисных функций имеют множество применений, в том числе , прогнозирования временных рядов, классификации и системы управления. Впервые сформулированы в 1988 Брумхедом и Лоу.вые сформулированы в 1988 Брумхедом и Лоу.
|
| rdfs:label |
RNA de base radial
, Сеть радиально-базисных функций
, Radial basis function network
, Мережа радіальних базисних функцій
, Rete neurale a base radiale
, 径向基函数网络
, Sieć radialna
|
