第11章 模糊RBF网络_第1页
第11章 模糊RBF网络_第2页
第11章 模糊RBF网络_第3页
第11章 模糊RBF网络_第4页
第11章 模糊RBF网络_第5页
已阅读5页，还剩11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

第十一章MATLAB优化算法案例分析与应用第11章模糊RBF网络第十一章MATLAB优化算法案例分析与应用11.1RBF神经网络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，因为RBF网络是局部逼近的神经网络。RBF网络是一种3层前向网络，由输入到输出的映射是非线性的，而隐层空间到输出空间的映射是线性的，而且RBF网络局部逼近的神经网络，因而采用RBF网络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。第十一章MATLAB优化算法案例分析与应用11.1.1RBF网络结构RBF网络是一种三层前向网络，由于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，从而可以大大加快学习速度并避免局部极小问题。多输入单输出的RBF网络结构如图11-1所示。图11-1RBF神经网络结构第十一章MATLAB优化算法案例分析与应用11.1.2RBF网络的逼近RBF神经网络逼近高斯基函数第十一章MATLAB优化算法案例分析与应用11.1.2RBF网络的逼近网络的基宽向量为：网络的权向量为：RBF网络的输出为：RBF网络逼近的性能指标函数为：信息第十一章MATLAB优化算法案例分析与应用11.1.2RBF网络的逼近采用RBF网络逼近下列对象输入信号为正弦信号：高斯函数的初始值采用时间为0.001s，网络隐层神经元个数取m=4网络结构为输入层2-隐层4-输出1网络的学习参数取

，第十一章MATLAB优化算法案例分析与应用11.1.2RBF网络的逼近采用RBF网络逼近下列对象forj=1:1:4h(j)=exp(-norm(x-c(:,j))^2/(2*b(j)*b(j))); %高斯基函数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优化算法

人人文库> 全部分类> 专业文献 > 医学资料

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