一.概率神经网络
概率神经网络 (Probabilistic Neural Networks,PNN)是由 D. F. Specht在 1990 年
提出的。主要思想是用贝叶斯决策规则 ,即错误分类的期望风险最小 ,在多维输入
空间内分离决策空间。它是一种基于统计原理的人工神经网络 ,它是以 Parzen窗
口函数为激活函数的一种前馈网络模型。 PNN 吸收了径向基神经网络与经典的
概率密度估计原理的优点 ,与传统的前馈神经网络相比 ,在模式分类方面尤其具有
较为显著的优势。
PNN 的结构如图所示 ,共由四层组成,以 3 类为例,同时设特征向量维数为 3。
评论0
最新资源