BÁO CÁO

Radial Basis Function Neural Network

(RBFNN)
GVHD: Thầy Đặng Xuân Ba

SVTH: Nguyễn Đặng Hùng Phú 16151062

Võ Nguyên Thông 16151085

1
 NỘI DUNG BÀI BÁO

11 Tìm hiểu về mạng thần kinh RBF

1
2 Mô phỏng

5
Kế hoạch tuần trước
- Xây dựng mạng nơ-ron Radial Basis Function Neural Network (RBF)
xấp xỉ hàm F(x1, x2, x3, x4) = x12 + x2 + x32 – 2x1.x2.x4 + 3x2.x4
- Áp dụng trên hệ camera và mô phỏng
1.1 Tìm hiểu về mạng RBF Hàm tổng ngõ vào và hàm tác
động của tế bào lớp ra là hàm
tuyến tính:

Hàm tổng ngõ vào của tế bào

lớp ẩn là hàm Gaussion:

: Ngõ vào
: Tâm của nơ-ron thứ k
Với a = [m x n]
: Độ phân tán của nơ-ron thứ k
b = [a x l]
c = [b x k]
1.1 Tìm hiểu về mảng RBF

output

* Cost Function:

Để huấn luyện mạng RBF thì mỗi lớp ta điều chỉnh trọng số thông qua thuật toán suy giảm độ dốc,vì vậy ngõ
ra mong muốn là Yd
1.2 Mô phỏng
• Xấp xỉ hàm F(x1, x2, x3, x4) = x12 + x2 + x32 – 2x1.x2.x4 + 3x2.x4

Với x1, x2, x3, x4 sử dụng phân bố gauss lần lượt là: 2, 2, 3, 3

x1 x2 x3 x4 y yd Sai số
1 -1 -1 -1 1.7765 2 0.2235
1 0 -1 -1 1.5010 2 0.499
-0.5 0.5 -1 -1 -0.2182 -0.25 0.0318
-0.5 0.5 -0.5 -0.5 0.1149 0 0.1149
0 0.5 1 -0.5 1.0858 0.75 0.3358
1.2 Mô phỏng
• Xấp xỉ hàm F(x1, x2, x3, x4) = x12 + x2 + x32 – 2x1.x2.x4 + 3x2.x4

Với x1, x2, x3, x4 sử dụng phân bố gauss lần lượt là: 8, 7, 10, 11

x1 x2 x3 x4 y yd Sai số
1 -1 -1 -1 1.9968 2 0.0032
1 0 -1 -1 1.9926 2 0.0074
-0.5 0.5 -1 -1 -0.2495 -0.25 0.0005
-0.5 0.5 -0.5 -0.5 -0.0056 0 0.0056
0 0.5 1 -0.5 0.7565 0.75 0.0065
2.1 Ứng dụng trên hệ 2 camera
Hàm tổng ngõ vào và hàm tác
động của tế bào lớp ra là hàm
tuyến tính:

Hàm tổng ngõ vào của tế bào

lớp ẩn là hàm Gaussion:

: Ngõ vào
: Tâm của nơ-ron thứ k
Với a = [m x n]
: Độ phân tán của nơ-ron thứ k
b = [a x l]
c = [b x k]
 2.1 Ứng dụng trên hệ 2 camera

output

* Cost Function:

Để huấn luyện mạng RBF thì mỗi lớp ta điều chỉnh trọng số thông qua thuật toán suy giảm độ dốc,vì vậy ngõ
ra mong muốn là Yd
2.2 Mô phỏng
• Xấp xỉ hệ camera
Kế hoạch tuần tới

Ứng dụng trên chập 4 đầu vào

Áp dụng trên hệ camera và mô phỏng