Pre-processing for the RBF-NNs with flexible parameters for multi-dimensional data

Abstract

This paper describes a solution to the optimization task of approximation by radial-basis-function (RBF) neural network. The proposed method is created for the teacher NNs for complex system and is addressed to the problem of variable shape parameters for data using the RBF. It involves the k-means algorithm, the RBF neural network, the ideas of the algorithm for placing new centers of neurons and the structure of the future deep learning complex neural network.

Tento článek popisuje řešení optimalizačního úkolu aproximace neuronovou sítí s radiální bázové funkcí (RBF). Navrhovaná metoda je vytvořena pro NN-učitele pro komplexní systém a je zaměřena na problém proměnných tvarových parametrů pro data pomocí RBF. Postup zahrnuje neuronovou síť RBF, algoritmus k-means, algoritm pro umístění nových center neuronů a strukturu budoucí neuronové sítě hlubokého učení.