شبکه عصبيRadial Basis Function (RBF - Artificial Intelligence

armin24 · ۱۲-۱۵-۱۳۸۸, ۱۲:۴۵ قبل از ظهر

salam man matalebi rajebe shabake asabi RBF niyaz dashtam agar kasi lotf kone motshakeram

gelazhe · ۱۲-۱۵-۱۳۸۸, ۱۲:۴۶ بعد از ظهر

سلام مطالبي جامع در اين مورد در دست نيست اما چند پايانامه در حال انجامه كه براتون مشخصاتش رو ميل كردم

gelazhe · ۱۲-۱۵-۱۳۸۸, ۰۱:۰۴ بعد از ظهر

اين مطالب شايد به دردت بخوره:
آموزش بدون نظارت شبكه عصبي rbf به وسيله الگوريتم ژنتيک
کار برد شبکه های عصبی در پردازش سریهای زمانی

**Astaraki** · ۱۲-۱۵-۱۳۸۸, ۰۲:۴۸ بعد از ظهر

اين هم اسلايد آموزشي شبکه عصبي RBF

NEURAL NETWORK Radial Basis Function

armin24 · ۱۲-۱۵-۱۳۸۸, ۰۴:۵۵ بعد از ظهر

az in ke komakam kardid motshakeram

**Astaraki** · ۱۲-۱۵-۱۳۸۸, ۰۸:۱۶ بعد از ظهر

سايتهاي مفيد در اين زمينه:

كد:

http://anc.ed.ac.uk/rbf/rbf.html

http://recherche.ircam.fr/equipes/analyse-synthese/roebel/paper/nips96/node3.html

http://documents.wolfram.com/applications/neuralnetworks/NeuralNetworkTheory/2.5.2.html

و اين هم يک مقاله جالب مرتبط:
بهينه سازي شبكه هاي عصبي rbf براي بازشناسي چهره

**Astaraki** · ۱۲-۱۵-۱۳۸۸, ۰۸:۵۰ بعد از ظهر

شبكه هاي rbf آشوبگونه جهت مدل سازي ديناميك سري هاي زماني آشوبي

اين مقاله يك الگوريتم تازه جهت تنظيم ساختار شبكه هاي rbf ، ارائه مي دهد. ثابت شده كه اين شبكه ها ، قابليت تقريب عمومي دارند. به همين دليل اين امكان وجود دارد كه بتوان از آن ها در شناسايي سيستم هاي آشوبگونه هم استفاده كرد. البته در مواقعي كه با سيستم هايي مثل سيستم هاي بيولوژيك كه فرمول هاي رياضي و تعداد كل متغيرهايشان به درستي شناخته شده نيست ، سروكار داريم ، تنظيم شبكه هاي عصبي با مشكل مواجه شده و جاي بحث دارد. در اين مقاله ديناميك هاي آشوبگونه در قالب شبكه هاي rbf بيان مي شوند. مي توان ديد كه اين شبكه ها قادرند فضا را به نحوي افراز كنند كه هر قسمت از ديناميك مورد نظر به وسيله يك تابع پايه قابل بيان باشد. با توجه به اين كه جذب كننده سيستم هاي آشوبگونه يك شي فراكتال است ، مي توان از فرآيند مقياس كردن فراكتال براي افراز جذب كننده هاي عجيب به ساختارهايي مشابه خود استفاده كرده و بر طبق آن تعداد متغيرهاي ورودي ، توابع پايه و پارامترهاي مقياس را تعيين نمود. در اين مقاله يك روش جهت پيش بيني و مدلسازي سري هاي زماني آشوبگونه ، ارائه شده است.