|
RBFN(Radial Basis Function Network)은 입력층의 값을 종모양의 곡선/표면의 형태로 된 은닉층의 결합함수에 적용하고 출력층과 사이에 위치하는 연결강도를 적용한 후 이들의 선형결합을 통하여 출력층의 값을 구하는 인공신경망이다. 1. 개요
2
|
|
|
1. SVM(Support Vector Machine) 개념
1.1 SVM 정의
Support Vector Machine (SVM)은 Vapnik에 의해 제안된 통계적학습이론(SLT : Statistical Learning Theory) 에 근거한 universal approximator이다. SVM은 기존의 통계적학습방법(Statistical Learning Method)에서 이용되는 Empirical Risk Mi
|
|
|
적용된 회귀식의 총합이며, Moving Average나 K-NN(Kth Nearest Neighbor), RBFN(Radial Basis Function Network), Neural Network와 SVM(Support Vector Machine)와 매우 유사한 특성이 있다. 1. 커널회귀 정의 3
2. 분석방법 3
3. Kernel Width 7
4. Kernel 9
5. 참고문헌 12
|
|
메뉴펼치기
