Artificial Intelligence - هوش مصنوعی - شبکه عصبيRadial Basis Function (RBF

Artificial Intelligence - هوش مصنوعی (http://artificial.ir/intelligence/)

- شبکه های عصبی (Neural Networks) (http://artificial.ir/intelligence/forum10.html)

- - شبکه عصبيRadial Basis Function (RBF (http://artificial.ir/intelligence/thread1523.html)

شبکه عصبيRadial Basis Function (RBF

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

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

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

اين هم اسلايد آموزشي شبکه عصبي RBF
:53::69:
NEURAL NETWORK Radial Basis Function

az in ke komakam kardid motshakeram

Radial Basis Function Networks

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

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.

مقايسه عملكرد شبكه هاي عصبي mlp و rbf در برآورد تبخير و تعرق گياه مرجع

Introduction of the Radial Basis Function (RBF) Networks

Application of a radial basis function neural network for diagnosis of diabetes mellitus