文档介绍：径向基函数神经网络
*
第一页，共17页。
内容提要
RBF网络结构
RBF算法推导
RBF建模步骤
相关Matlab语言
*
第二页，共17页。
RBF网络结构
径向基函数RBF神经网络是一种两层前向型神经网络，包含一个具有径向基函数神经元的隐层和一个具有线性神经元的输出层。其网络结构如图。
*
第三页，共17页。
RBF网络结构
径向基函数RBF神经网络的隐层是含有S1个神经元的径向基函数层，节点函数通常为高斯函数；输出层是含有S2个神经元的线性层，节点函数通常是简单的线性函数。隐层节点的作用函数对输入信号在局部产生响应，当输入信号靠近基函数的中央范围时，隐层节点将产生较大的输出，因此基函数网络具有局部逼近能力，学****速度快，也被称为局部感知场网络。
*
第四页，共17页。
RBF算法推导
设有N个训练样本,则系统对所有N个训练样本的目标函数为
学****的目的是使 J≤￠(设定的均方误差)
根据梯度下降法原理,可以推出输出权值, 隐层节点,高斯函数的中心及宽度参数的迭代算法:
*
第五页，共17页。
RBF算法推导
*
第六页，共17页。
RBF算法推导
RBF网络的学****算法分为两个阶段。第一阶段是无导师学****根据所有的输入样本确定隐含层各节点的高斯核函数的中心向量和宽度参数;第二阶段是有导师学****在确定隐层的参数后，根据样本，利用最小二乘原则，求出隐层与输出层之间的权值。
*
第七页，共17页。
RBF建模步骤
RB F神经网络用于建模一般分为以下几个步骤：
恰当选择学****样本。激励信号的选择一是要使训练数据具有持续激励的特性，二是应使系统的全部动态特性能被充分激励;
学****样本数据的处理。一般来说学****数据都应做归一化处理，以便所有的数据在计算过程中具有相同的权重，同时
*
第八页，共17页。
RBF建模步骤
由于在实时控制中采集到的数据含有噪声，因此需要进行滤波处理；
确定模型的阶次和时延。这可以应用被建模系统的先验知识来确定，也可以通过试验比较的方法来确定;
采用恰当的学****算法完成RBF网络的离线学****br/>进行模型的检验和测试。可以采用交叉验证方法，即将样本数据分成训练集和
*
第九页，共17页。
RBF建模步骤
测试集，用训练集进行RBF网络的训练，用测试集进行RBF网络模型的测试;
如果系统是时变的，必须用递推算法对RBF网络进行在线校正。
*
第十页，共17页。