IMPROVED NEURAL NETWORK

A neural network of the radial basis function type has a single hidden layer function generator (12) and an output layer (40). The function generator (12) receives one or more mapping inputs (10) and generates a plurality of terms (14) from each mapping input, said terms including at least one trigo...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: HUSSAIN, AMIR, SORAGHAN, JOHN, JAMES
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:A neural network of the radial basis function type has a single hidden layer function generator (12) and an output layer (40). The function generator (12) receives one or more mapping inputs (10) and generates a plurality of terms (14) from each mapping input, said terms including at least one trigonometric term and being free of Gaussian and Sigmoidal terms. The output layer (40) weights the terms, sums the weighted terms to produce a predicted output (36). The predicted output is compared with the actual value of the predicted output when this becomes known and an analyzer (34) consequently drives a weight setting controller (20) to adjust the weight values for use in the next prediction. Réseau neural à fonction de base radiale possédant un générateur de fonction (12) à couche unique cachée et une couche de sortie (40). Ce générateur de fonction (12) reçoit une ou plusieurs entrées de mappage (10) et génère une pluralité de termes (14) à partir de chaque entrée de mappage, lesdits termes comprenant au moins un terme trigonométrique et étant exempts de termes gaussiens ou sigmoïdes. La couche de sortie (40) pondère les termes, additionne les termes pondérés afin de produire une sortie prédite (36). Cette sortie prédite est comparée à la valeur réelle de la sortie prédite quand celle-ci devient connue et un analyseur (34) commande en conséquence une unité de réglage de poids (20) afin de régler les valeurs de poids dans le but de les utiliser dans la prochaine prédiction.