基于RBF神經(jīng)網(wǎng)絡(luò)辨識_第1頁
基于RBF神經(jīng)網(wǎng)絡(luò)辨識_第2頁
基于RBF神經(jīng)網(wǎng)絡(luò)辨識_第3頁
基于RBF神經(jīng)網(wǎng)絡(luò)辨識_第4頁
基于RBF神經(jīng)網(wǎng)絡(luò)辨識_第5頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

RBF網(wǎng)絡(luò)特點(1)RBF網(wǎng)絡(luò)的作用函數(shù)為高斯函數(shù)，是局部的，BP網(wǎng)絡(luò)的作用函數(shù)為S函數(shù)，是全局的；(2)如何確定RBF網(wǎng)絡(luò)隱層節(jié)點的中心及基寬度參數(shù)是一個困難的問題；(3)已證明RBF網(wǎng)絡(luò)具有唯一最佳逼近的特性，且無局部極小[1]。RBF網(wǎng)絡(luò)結(jié)構(gòu)

RBF網(wǎng)絡(luò)是一種三層前向網(wǎng)絡(luò)，由于輸入到輸出的映射是非線性的，而隱含層空間到輸出空間的映射是線性的，從而可以大大加快學(xué)習(xí)速度并避免局部極小問題。

RBF網(wǎng)絡(luò)結(jié)構(gòu)圖1所示。

圖1RBF網(wǎng)絡(luò)結(jié)構(gòu)2、RBF網(wǎng)絡(luò)的逼近

采用RBF網(wǎng)絡(luò)逼近一對象的結(jié)構(gòu)如圖2所示。

圖2RBF神經(jīng)網(wǎng)絡(luò)逼近

在RBF網(wǎng)絡(luò)結(jié)構(gòu)中，為網(wǎng)絡(luò)的輸入向量。設(shè)RBF網(wǎng)絡(luò)的徑向基向量，其中hj為高斯基函數(shù)：網(wǎng)絡(luò)的第j個結(jié)點的中心矢量為：其中，i=1,2,…n設(shè)網(wǎng)絡(luò)的基寬向量為：為節(jié)點的基寬度參數(shù)，且為大于零的數(shù)。網(wǎng)絡(luò)的權(quán)向量為：k時刻網(wǎng)絡(luò)的輸出為：

設(shè)理想輸出為y(k)，則性能指標(biāo)函數(shù)為：

根據(jù)梯度下降法，輸出權(quán)、節(jié)點中心及節(jié)點基寬參數(shù)的迭代算法如下：其中,為學(xué)習(xí)速率，為動量因子。

陣(即為對象的輸出對控制輸入的靈敏度信息)算法為：其中取。使用RBF網(wǎng)絡(luò)逼近下列對象：RBF網(wǎng)絡(luò)逼近程序見chap6_4.m

3、RBF網(wǎng)絡(luò)逼近仿真實例參考文獻[1]J.Park,I.W.Sandberg,Universalapproximationusingradial-basis-functionnetworks，Ne

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論