文档介绍：该【RBF神经网络模型与学习算法 】是由【小可爱】上传分享，文档一共【23】页，该文档可以免费在线阅读，需要了解更多关于【RBF神经网络模型与学习算法 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。RBF神经网络模型与学****算法概述1985年,Powell提出了多变量插值的径向基函数(RadicalBasisFunction,RBF)方法1988年,Moody和Darken提出了一种神经网络结构,即RBF神经网络RBF网络是一种三层前向网络RBF网络的基本思想用RBF作为隐单元的“基”构成隐含层空间,将输入矢量直接(即不需要通过权连接)映射到隐空间当RBF的中心点确定后,:RBF网络的输出是隐单元输出的线性加权和,学****速度加快BP网络使用sigmoid()函数作为激活函数,这样使得神经元有很大的输入可见区域径向基神经网络使用径向基函数(一般使用高斯函数)作为激活函数,神经元输入空间区域很小,?-均值聚类方法求取基函数中心(1)网络初始化。随机选取个训练样本作为聚类中心。(2)将输入的训练样本集合按最近邻规则分组。按照与中心为之间的欧氏距离将分配到输入样本的各个聚类集合中。(3)重新调整聚类中心。计算各个聚类集合中训练样本的平均值,即新的聚类中心,如果新的聚类中心不再发生变化,则所得到的即为RBF神经网络最终的基函数中心,否则返回(2),进入下一轮的中心求解。