自適應機率神經網路

二、GRNN 和其他監督式類神經網路BPN、PNN 的不同如下：. （1） GRNN 網路連結加權值由訓練樣本的輸入向量和輸出向量決定。 （2） GRNN 回想過程 ...

機率神經網路(Probabilistic Neural Network; PNN) 是. 由D. F. Specht在1988年提出。 特性：. PNN屬於監督式學習網路。 學習速度極快。 嚴格來說，PNN所需的學習時間 ...

此方法是利用貝氏網路(Bayesian network)的理論與統計方法中的核判別分析(Kernel Discriminant Analysis)改進而來，也是屬於前饋性的類神經網路，模式中包含四個層， ...

本研究提出橢圓空間機率神經網路（Ellipse-Space Probabilistic Neural Networks,. EPNN），它擁有三種可透過訓練來修正的網路參數：代表輸入變數重要性的變數權.

應機率神經網路的模型準確度只略低於BPN,而遠優於PNN,且APNN的變. 數權值確實可以顯示輸入變數影響輸出變數的重要程度,使模型具有部份解釋. 能力。 關鍵詞:類神經網 ...

由 吳冠呈 著作 · 2008 — 本研究提出自適應機率神經網路(A daptive Probabilistic Neural Networks, APNN)，它包含三種參數：代表變數重要性的變數權值、代表樣本有效範圍的核寬倒數、及代表 ...

Specht 提出了機率類神經網路(PNN)，此網路屬於監督式學習方式，其基. 本構想原理是從機率模型所啟發而來。但是，由於機率類神經網路只適合用於做. 分類問題，對於連續 ...

設Testing Pattern x 為廣義迴歸類神經網路(GRNN) 類神經網路之輸. 入，且 . ∗. 為GRNN 網路系統之輸出。則圖2-6 為廣義迴歸類神經網路(GRNN). 系統輸入和輸出方塊圖。