第11章 模糊RBF網(wǎng)絡(luò)

第十一章MATLAB優(yōu)化算法案例分析與應(yīng)用第11章模糊RBF網(wǎng)絡(luò)第十一章MATLAB優(yōu)化算法案例分析與應(yīng)用11.1RBF神經(jīng)網(wǎng)絡(luò)RBF網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程與BP網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程類(lèi)似，兩者的主要區(qū)別在于各使用不同的作用函數(shù)。BP網(wǎng)絡(luò)中隱層使用的是Sigmoid函數(shù)，其值在輸入空間中無(wú)限大的范圍內(nèi)為非零值，因而是一種全局逼近的神經(jīng)網(wǎng)絡(luò)；而RBF網(wǎng)絡(luò)中的作用函數(shù)是高斯基函數(shù)，其值在輸入空間中有限范圍內(nèi)為非零值，因?yàn)镽BF網(wǎng)絡(luò)是局部逼近的神經(jīng)網(wǎng)絡(luò)。RBF網(wǎng)絡(luò)是一種3層前向網(wǎng)絡(luò)，由輸入到輸出的映射是非線(xiàn)性的，而隱層空間到輸出空間的映射是線(xiàn)性的，而且RBF網(wǎng)絡(luò)局部逼近的神經(jīng)網(wǎng)絡(luò)，因而采用RBF網(wǎng)絡(luò)大大加快學(xué)習(xí)速度并避免局部極小問(wèn)題，適合于實(shí)時(shí)控制的要求。采用RBF網(wǎng)絡(luò)構(gòu)成神經(jīng)網(wǎng)絡(luò)控制方案，可有效提高系統(tǒng)的精度、魯棒性和自適應(yīng)性。第十一章MATLAB優(yōu)化算法案例分析與應(yīng)用11.1.1RBF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(xiàn)性的，而隱含層空間到輸出空間的映射是線(xiàn)性的，從而可以大大加快學(xué)習(xí)速度并避免局部極小問(wèn)題。多輸入單輸出的RBF網(wǎng)絡(luò)結(jié)構(gòu)如圖11-1所示。圖11-1RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)第十一章MATLAB優(yōu)化算法案例分析與應(yīng)用11.1.2RBF網(wǎng)絡(luò)的逼近RBF神經(jīng)網(wǎng)絡(luò)逼近高斯基函數(shù)第十一章MATLAB優(yōu)化算法案例分析與應(yīng)用11.1.2RBF網(wǎng)絡(luò)的逼近網(wǎng)絡(luò)的基寬向量為：網(wǎng)絡(luò)的權(quán)向量為：RBF網(wǎng)絡(luò)的輸出為：RBF網(wǎng)絡(luò)逼近的性能指標(biāo)函數(shù)為：信息第十一章MATLAB優(yōu)化算法案例分析與應(yīng)用11.1.2RBF網(wǎng)絡(luò)的逼近采用RBF網(wǎng)絡(luò)逼近下列對(duì)象輸入信號(hào)為正弦信號(hào)：高斯函數(shù)的初始值采用時(shí)間為0.001s，網(wǎng)絡(luò)隱層神經(jīng)元個(gè)數(shù)取m=4網(wǎng)絡(luò)結(jié)構(gòu)為輸入層2-隱層4-輸出1網(wǎng)絡(luò)的學(xué)習(xí)參數(shù)取

，第十一章MATLAB優(yōu)化算法案例分析與應(yīng)用11.1.2RBF網(wǎng)絡(luò)的逼近采用RBF網(wǎng)絡(luò)逼近下列對(duì)象forj=1:1:4h(j)=exp(-norm(x-c(:,j))^2/(2*b(j)*b(j))); %高斯基函數(shù)endym(k)=w'*h';em(k)=y(k)-ym(k);

forj=1:1:4d_w(j)=xite*em(k)*h(j);d_b(j)=xite*em(k)*w(j)*h(j)*(b(j)^-3)*norm(x-c(:,j))^2;fori=1:1:2d_c(i,j)=xite*em(k)*w(j)*h(j)*(x(i)-c(i,j))*(b(j)^-2);endendw=w_1+d_w+alfa*(w_1-w_2);b=b_1+d_b+alfa*(b_1-b_2);c=c_1+d_c+alfa*(c_1-c_2);第十一章MATLAB優(yōu)化算法