文档介绍：精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
概率神经网络概述
概率神经网络（Prob工作是：先判断哪些类别输入向量有关，再将相关度高的类别集中起来，样本层的输出值就代表相识度；然后，将样本层的输出值送入到求和层，求和层的结点个数是M，每个结点对应一个类，通过求和层的竞争传递函数进行判决；最后，判决的结果由竞争层输出，输出结果中只有一个1，其余结果都是0，概率值最大的那一类输出结果为1。
基本学****算法
第一步：首先必须对输入矩阵进行归一化处理，这样可以减小误差，避免较小的值呗较大的值“吃掉”。设原始输入矩阵为：
（2-1）
从样本的矩阵如式（2-1）中可以看出，该矩阵的学****样本由m个，每一个样本的特征属性有n个。在求归一化因子之前，必须先计算矩阵：
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
然后计算：
（2-2）
式中，
则归一化后的学****矩阵为C。在式（2-2）中，符号表示矩阵在做乘法运算时，相应元素之间的乘积。
第二步：将归一化好的m个样本送入网络样本层中。因为是有监督的学****算法，所以很容易就知道每个样本属于哪种类型。假设样本有m个，那么一共可以分为c类，并且各类样本的数目相同，设为k，于是m=k*c。
第三步：模式距离的计算，该距离是指样本矩阵与学****矩阵中相应元素之间的距离。假设将由P个n维向量组成的矩阵称为待识别样本矩阵，则经归一化后，需要待识别的输入样本矩阵为：
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
（2-3）
计算欧氏距离：就是需要是别的样本向量，样本层中各个网络节点的中心向量，这两个向量相应量之间的距离：
（2-4）
第四步：样本层径向基函数的神经元被激活。学****样本与待识别样本被归一化后，通常取标准差的高斯型函数。激活后得到出事概率矩阵：
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
(2-5)
第五步：假设样本有m个，那么一共可以分为c类，并且各类样本的数目相同，设为k，则可以在网络的求和层求得各个样本属于各