الگوریتم اصلاح شده انتخاب مرکز نرون جدید در شبکه RBF افزایشی

شبکه های عصبی به عنوان تخمین گر های جامع شناخته شده اند.شبکه پیشرو تک لایه محبوب ترین و در عین حال ساده ترین نوع این شبکه ها برای اجرا است.نرون ها در این شبکه ها از توابع فعال ساز نمایی و یا توابع شعاعی استفاده می کنندکه هر دو به صورت موثری مطلوب جواب می دهند.توابع نمایی به صورت مبسوط در مقالات فراوان مورد بررسی قرار گرفته اند.این مقاله به استفاده از تابع فعال ساز شعاعی در شبکه تک لایه تمرکز خواهد داشتالگوریتم های زیادی وجود دارد که برای اموزش شبکه rbf برای تخمین توابع مورد استفاده قرار می گیرند. در این مقاله از روش † ELM-I اصلاح شده برای این منظور استفاده می شود.این الگوریتم انتخاب تصادفی مرکز و شعاع تابع فعالساز را در تشکیل ساختار شبکه عصبی حذف می کند.روش اینگونه خواهد بود که مرکز نرون جدید نقطه ای خواهد بود کهبیشترین خطا در تخمین قبلی اتفاق افتاده باشد و آنگاه محاسبه وزن بهینه ساختار حداقلی مطلوب برای تخمین تابع را بدست می دهد

کلیدواژه ها:

شبکه های عصبی ، شبکه های RBF ، تخمین تابع