Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/65399
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorChidchanok Lursinsap-
dc.contributor.authorAnocha Rugchatjaroen-
dc.contributor.otherChulalongkorn University. Faculty of Science-
dc.date.accessioned2020-04-19T19:32:59Z-
dc.date.available2020-04-19T19:32:59Z-
dc.date.issued2002-
dc.identifier.issn9741709064-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/65399-
dc.descriptionThesis (M.Sc.)--Chulalongkorn University, 2002en_US
dc.description.abstractRadial Basis Function Neural Network (RBF NN) is one of the most considered neural networks with various data classification and function approximation applications. Here, we concern only the data classification applications. The classification correctness of an RBF network is defined by the data and the radius of the radial basis function. To cover a class of data, the data must be covered by the same neurons as much as possible without any data from the other classes. However, the correct classification of the training and testing data may not mean that the network can achieve its generalization. To overcome this, some statistical method for estimating the density distribution of the data must be applied to correctly adjust the center and radius of the RBF neuron. Bootstrap technique is considered and applied to estimate the center and size of each RBF neuron in this thesis. The experimental results show that this technique significantly increase the generalization.-
dc.description.abstractalternativeโครงข่ายประสาทเทียมชนิดฟังก์ชันพื้นฐานแนวรัศมีเป็นโครงข่ายประสาทเทียมที่ถูกนำมาประยุกต์ใช้อย่างหลากหลายในด้านการแบ่งกลุ่มข้อมูลและการประมาณค่าของฟังก์ชัน ในที่นี้เราพิจารณาเฉพาะปัญหาด้านการแบ่งกลุ่มข้อมูล ความถูกต้องในการแบ่งกลุ่มของโครงข่ายประสาทเทียมชนิดฟังก์ชันพื้นฐานแนวรัศมีนั้นถูกกำหนดโดยรัศมีของฟังก์ชันพื้นฐานแนวรัศมี เพื่อให้ครอบคลุมข้อมูลที่อยู่ในกลุ่มเดียวกัน ข้อมูลทั้งหมดจะต้องถูกคลุมโดยใช้ประสาทเทียมกลุ่มเดียวกันให้ที่น้อยที่สุดและต้องเลี่ยงไม่ให้กลุ่มข้อมูลอื่นเข้ามาปนอยู่ด้วย อย่างไรก็ตามการแบ่งกลุ่มที่ถูกต้องของการเรียนรู้และการทดสอบข้อมูลไม่ได้หมายความว่าโครงข่ายนั้นสามารถรองรับนัยทั่วไปของข้อมูลได้ เพื่อแก้ไขปัญหานี้กระบวนการทางสถิติบางกระบวนการที่ทำงานเกี่ยวกับการประมาณค่าความหนาแน่นของการกระจายของข้อมูลต้องถูกพัฒนาเพื่อที่จะปรับศูนย์กลางและรัศมีของโครงข่ายประสาทเทียมชนิดฟังก์ชันพื้นฐานแนวรัศมีแบบวงรีอย่างถูกต้อง กระบวนการบูตสแทรพถูกนำมาพิจารณาและประยุกต์ใช้ไนการประมาณค่าของศูนย์กลางและขนาดของ เซลล์ประสาทเทียมชนิดฟังก์ชันพื้นฐานแนวรัศมีในแต่ละตัว ผลการทดลองแสดงว่ากระบวนการนี้ได้แสดงถึงการเพิ่มขึ้นของนัยทั่วไปของโครงข่ายประสาทเทียม-
dc.language.isoenen_US
dc.publisherChulalongkorn Universityen_US
dc.rightsChulalongkorn Universityen_US
dc.subjectNeural networks (Computer science)en_US
dc.subjectนิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)en_US
dc.titleGeneralization of an elliptic radial basis function neural networken_US
dc.title.alternativeนัยทั่วไปของโครงข่ายประสาทเทียมชนิดฟังก์ชันพื้นฐานแนวรัศมีแบบวงรีen_US
dc.typeThesisen_US
dc.degree.nameMaster of Scienceen_US
dc.degree.levelMaster's Degreeen_US
dc.degree.disciplineComputational Scienceen_US
dc.degree.grantorChulalongkorn Universityen_US
dc.email.advisorChidchanok.L@Chula.ac.th-
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
Anocha_ru_front_p.pdfCover Abstract and title of Contents747.68 kBAdobe PDFView/Open
Anocha_ru_ch1_p.pdfChapter 1654.71 kBAdobe PDFView/Open
Anocha_ru_ch2_p.pdfChapter 2920.16 kBAdobe PDFView/Open
Anocha_ru_ch3_p.pdfChapter 3966.78 kBAdobe PDFView/Open
Anocha_ru_ch4_p.pdfChapter 41.23 MBAdobe PDFView/Open
Anocha_ru_ch5_p.pdfChapter 5605 kBAdobe PDFView/Open
Anocha_ru_back_p.pdfReferences and Appendix622.52 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.