6.3 基于RBF神经网络的辨识.ppt_第1页
6.3 基于RBF神经网络的辨识.ppt_第2页
6.3 基于RBF神经网络的辨识.ppt_第3页
6.3 基于RBF神经网络的辨识.ppt_第4页
6.3 基于RBF神经网络的辨识.ppt_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1 RBF神经网络径向基函数 RBF RadialBasisFunction 神经网络是由J Moody和C Darken在80年代末提出的一种神经网络 它是具有单隐层的三层前馈网络 由于它模拟了人脑中局部调整 相互覆盖接收域 或称感受野 ReceptiveField 的神经网络结构 因此 RBF网络是一种局部逼近网络 已证明它能任意精度逼近任意连续函数 1 6 3基于RBF神经网络的辨识 RBF网络特点 1 RBF网络的作用函数为高斯函数 是局部的 BP网络的作用函数为S函数 是全局的 2 如何确定RBF网络隐层节点的中心及基宽度参数是一个困难的问题 3 已证明RBF网络具有唯一最佳逼近的特性 且无局部极小 1 RBF网络结构RBF网络是一种三层前向网络 由于输入到输出的映射是非线性的 而隐含层空间到输出空间的映射是线性的 从而可以大大加快学习速度并避免局部极小问题 RBF网络结构图1所示 图1RBF网络结构 2 RBF网络的逼近 采用RBF网络逼近一对象的结构如图2所示 图2RBF神经网络逼近 在RBF网络结构中 为网络的输入向量 设RBF网络的径向基向量 其中hj为高斯基函数 网络的第j个结点的中心矢量为 其中 i 1 2 n 设网络的基宽向量为 为节点的基宽度参数 且为大于零的数 网络的权向量为 k时刻网络的输出为 设理想输出为y k 则性能指标函数为 根据梯度下降法 输出权 节点中心及节点基宽参数的迭代算法如下 其中 为学习速率 为动量因子 阵 即为对象的输出对控制输入的灵敏度信息 算法为 其中取 使用RBF网络逼近下列对象 RBF网络逼近程序见chap6 4 m 3 RBF网络逼近仿真实例 参考文献 1 J Park I W Sandberg Universalapproximationusingradial basis functionnet
人人文库> 全部分类> 应用文书 > 技术指导

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论