论文部分内容阅读
介绍了一种新的非参数回归RBF神经网络学习算法，该算法将RBF神经网络与回归树结合起来使用。回归树的基本思想是通过递归分割将输入空间划分为两部分，对函数进行逼近。由于每一次划分都与轴平行，因此可以用输入分向量满足的不等式来描述每一次划分，从而输入空间就变成了一个用超矩形构成的回归树(二叉树)。回归树的结点可以很容易地转换为径向基函数，通过对回归树结点的访问，可以选择出使网络达到最优的基函数集，形成最终的网络。该算法可以应用到函数逼近、图像处理等各方面。