Нейронные сети RBF

Question

Я бы хотел использовать нейронные сети RBF для обучения моей системе. У меня есть система с входом:

| 1 2 3 4 5 6 ... 32 | 33 | 
| 1000 0001 0010 0100 1000 1000 ... 0100 | 0 0 1 | 

Вы должны прочитать это без «|» персонаж. Я просто хотел, чтобы вы увидели, что последние три элемента входа находятся вместе. Результатом должно быть число между 1-32, которое имеет значение «1000» на входе. В моем учебном наборе у меня всегда будет результат для такого массива. Какие функции я могу использовать для алгоритма обучения? Можете ли вы указать мне, пожалуйста, на правильный путь?

Если вы не можете понять мое описание, пожалуйста, не стесняйтесь спрашивать об этом. Спасибо, ребята, за вашу помощь!

Answer 1

Использование сети RBF для этого кажется странным решением. Но если у вас есть ваше сердце, установите его: (вполне возможно, что я полностью неправильно понял проблему, которую вы хотите решить).

Возможно, вы захотите поместить его в терминах классификации и обучения 32 бинарных классификаторов, которые определяют, находится ли «1000» в каждой из 32 записей. Или более в терминах «нейронной сети» есть 32 * 4 записи и 32 вывода.

Одним из эффективных способов обучения сети RBF является использование SVM с ядром RBF. Одна хорошая реализация этого - LIBSVM.