रेडियल बेसिस फंक्शन नेटवर्क के लिए ऑर्थोगोनल लीस्ट स्क्वायर सीखने का एल्गोरिदम

रेडियल बेसिस फंक्शन नेटवर्क सिग्नल प्रोसेसिंग के कई अनुप्रयोगों में दो-परत न्यूरल नेटवर्क का एक व्यवहार्य विकल्प प्रदान करता है। रेडियल बेसिस फंक्शन नेटवर्क के लिए एक सामान्य सीखने का एल्गोरिदम पहले कुछ डेटा बिंदुओं को यादृच्छिक रूप से रेडियल बेसिस फंक्शन केंद्र के रूप में चुनने पर आधारित है, और फिर नेटवर्क के वजन को हल करने के लिए सिंगुलर-वैल्यू डेफकॉम्पोजिशन का उपयोग करता है। इस प्रक्रिया में कई दोष हैं, और विशेष रूप से, केंद्रों का मनमाना चयन स्पष्ट रूप से असंतोषजनक है। लेखक एक वैकल्पिक सीखने की प्रक्रिया का प्रस्ताव करते हैं, जो ऑर्थोगोनल लीस्ट-स्क्वायर विधि पर आधारित है। यह प्रक्रिया एक-एक करके अनुपयुक्त केंद्रों को उचित तरीके से चुनती है जब तक कि एक पर्याप्त नेटवर्क का निर्माण नहीं हो जाता। एल्गोरिदम में, प्रत्येक चुना गया केंद्र इच्छित आउटपुट के समझाए गए परिवर्तन या ऊर्जा में वृद्धी को अधिकतम करता है और संख्यात्मक निम्न-हरित स्थिति समस्याओं से ग्रस्त नहीं होता है। ऑर्थोगोनल लीस्ट-स्क्वायर सीखने की रणनीति रेडियल बेसिस फंक्शन नेटवर्क को फिट करने के लिए एक सरल और प्रभावी माध्यम प्रदान करती है। इसे दो अलग-अलग सिग्नल प्रोसेसिंग अनुप्रयोगों से लिए गए उदाहरणों का उपयोग करके स्पष्ट किया गया है।