26.1 理论基础
26.1.1 广义回归神经网络 (GRNN) 概述
1.GRNN 的结构
GRNN 最早是由 Specht 提出的 , 是 RBF 神经网络的一
个分支 , 是一种基于非线性回归理论的前馈式神经网络
模型。 GRNN 的结构如图 26-1 所示 , 一般由输入层、
隐含层和输出层组成。
输入层仅将样本变量送入隐含层 , 并不参与真正的运算
。
隐含层的神经元个数等于训练集样本数 , 该层的权值函
数为欧式距离函数 ( 用‖ dist‖ 表示 ), 其作用为计算网络
输入与第一层的权值 IW
11
之间的距离 ,b
1
为隐含层的阈
值。隐含层的传递函数为径向基函数 , 通常采用高斯函
数作为网络的传递函数。
3
评论0