径向基网络字符识别

Question

我想通过实现给定的神经网络类型来开发一个简单的字符识别程序；一个简单的命令行类型就足够了。

径向基函数神经网络分配给我，我已经研究了权重训练，输入到隐藏到输出的过程，但我仍然对实施它持怀疑态度。我的参考是(1) 和(2)。

一个简单的 10 x 10 二进制对象（表示一个字符）的一维数组是输入。比如下面的数组

input = array( 
    0,0,0,1,1,1,1,0,0,0,
    0,0,1,0,0,0,0,1,0,0,
    0,1,0,0,0,0,0,0,1,0,
    1,0,0,0,0,0,0,0,0,1,
    1,1,1,1,1,1,1,1,1,1,
    1,0,0,0,0,0,0,0,0,1,
    1,0,0,0,0,0,0,0,0,1,
    1,0,0,0,0,0,0,0,0,1,
    1,0,0,0,0,0,0,0,0,1,
    1,0,0,0,0,0,0,0,0,1 )

是字符“A”的表示：

0   0   0   1   1   1   1   0   0   0
0   0   1   0   0   0   0   1   0   0
0   1   0   0   0   0   0   0   1   0
1   0   0   0   0   0   0   0   0   1
1   1   1   1   1   1   1   1   1   1
1   0   0   0   0   0   0   0   0   1
1   0   0   0   0   0   0   0   0   1
1   0   0   0   0   0   0   0   0   1
1   0   0   0   0   0   0   0   0   1
1   0   0   0   0   0   0   0   0   1

我计划获取输入的总权重并将其与训练集进行比较，就像在已保存的字母表中其他字符的一维数组中一样，最接近的是预测。

问题是，如果以 CLRS 方式或类似类型而不是数学公式呈现，我倾向于更好地理解算法。我发现很难理解这两篇论文中的解释（我发现在谷歌搜索中最容易阅读）。

有人可以指出一个友好的 RBNFF 算法，它接受一个数组并产生权重输出吗？如果没有，我们将不胜感激以 Layman 的方式解释这一点的论文。

Answer 1

培训

据我所知，没有“一种正确的方法”来训练他们。

我能找到的最简单的训练是两种算法的组合

1. （聚类）取网络的左侧部分（输入权重和 RBF）并进行无监督聚类。您可以尝试一些硬件/软件以及集群/RBF 的数量。 每个集群是单个 RBF 的表示，权重连接到它。 如何从集群获得 rbf 和 rbf 权重取决于您使用的集群。 （如果不清楚，我可以扩展它）

2. （神经网络）使用聚类的输出作为普通单层神经网络的输入，解决上一步原始 RBFNN 的遗漏部分。

可能更容易找到这些更容易解释的更原始的算法

编辑

发现了一些“伪”代码，其解释可能更好（用 C# 编写）

http://msdn.microsoft.com/en-us/magazine/dn532201.aspx

（假定）工作 python 代码

https://github.com/andrewdyates/Radial-Basis-Function-Neural-Network