系统辨识理论及MATLAB仿真（第2版）6.6 RBF网络的逼近_第1页
系统辨识理论及MATLAB仿真（第2版）6.6 RBF网络的逼近_第2页
系统辨识理论及MATLAB仿真（第2版）6.6 RBF网络的逼近_第3页
系统辨识理论及MATLAB仿真（第2版）6.6 RBF网络的逼近_第4页
系统辨识理论及MATLAB仿真（第2版）6.6 RBF网络的逼近_第5页
已阅读5页，还剩9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

神经网络辨识及其应用刘金琨目录CONTENTS神经网络理论基础01BP网络辨识02BP网络的逼近03基于数据的BP网络离线建模04基于模型的BP神经网络离线建模05RBF网络的逼近06基于未知项在线建模的RBF网络自校正控制07Hopfield网络辨识08RBF网络辨识应用-自适应神经网络控制0906RBF网络的逼近径向基函数(RBF-RadialBasisFunction)神经网络是由J.Moody和C.Darken在二十世纪八十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。RBF网络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，已证明RBF网络能任意精度逼近任意连续函数。RBF网络的学习过程与BP网络的学习过程类似，两者的主要区别在于各使用不同的作用函数。BP网络中隐含层使用的是Sigmoid函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络；而RBF网络中的作用函数是高斯基函数，其值在输入空间中有限范围内为非零值，因而RBF网络是局部逼近的神经网络。六、RBF网络的逼近RBF网络理论上，3层以上的BP网络能够逼近任何一个非线性函数，但由于BP网络是全局逼近网络，每一次样本学习都要重新调整网络的所有权值，收敛速度慢，易于陷入局部极小，很难满足控制系统的高度实时性要求。RBF网络是一种三层前向网络，由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，而且RBF网络是局部逼近的神经网络，因而采用RBF网络可大大加快学习速度并避免局部极小问题，适合于实时控制的要求。采用RBF网络构成神经网络控制方案，可有效提高系统的精度、鲁棒性和自适应性。六、RBF网络的逼近RBF网络多输入单输出的RBF网络结构如图6-16所示。六、RBF网络的逼近RBF网络图6-16RBF神经网络结构采用RBF网络逼近一对象的结构如图6-17所示。六、RBF网络的逼近图6-17RBF神经网络在线逼近RBF网络的逼近在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：六、RBF网络的逼近RBF网络的逼近

设网络的基宽向量为：

RBF网络的输出为：六、RBF网络的逼近RBF网络的逼近

根据梯度下降法，输出权值学习算法如下：

RBF网络性能指标函数为：

六、RBF网络的逼近RBF网络的逼近

使用RBF网络逼近下列对象：仿真实例六、RBF网络的逼近

RBF网络逼近程序见chap6_4.m。仿真结果如图6-18至图6-20所示。仿真实例六、RBF网络的逼近图6-18RBF网络辨识结果仿真实例六、RBF网络的逼近图6-

人人文库> 全部分类> 教育资料 > 课件下载

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