机械故障诊断学钟秉林神经网络诊断原理概述.ppt

RBF网络的性能 RBF网络与BP网络一样是一类通用的函数逼近器； 尽管RBF的激活函数可以多种多样，但可以证明，当应用指数函数作非线性项时，RBF网络拥有“最佳逼近”特性，即存在一个权重集合，其逼近效果在所有可能的权集合中是最佳的。这种最佳逼近特性，传统的BP网络是不具备的。 四、径向基函数(RBF)网络及其学习算法 * * RBF网络的K—均值聚类学习算法 RBF网络依然是典型的有指导学习网络，其学习包括两个步骤： 1) 确定每一个RBF单元的中心cj 和半径?j ； 2) 调节权矩阵W。 四、径向基函数(RBF)网络及其学习算法 * * 3.RBF网络学习算法 问题：在多变量插值的RBF方法中，中心Cj一般定位在所有输入的矢量点，这样有多少输入数据就有多少隐RBF单元，然而，由于数据的类聚性，导致许多RBF单元中心相距很近，出现许多冗余单元，造成了“过度拟合”，减低了网络的推广能力。 四、径向基函数(RBF)网络及其学习算法 * * 中心cj 的确定 方法：目前通常先采用聚类分析技术，对输入数据进行预处理，找出有代表性的数据点（不一定位于原始数据点）作为RBF单元的中心，从而减少隐RBF单元的数目，减低网络的复杂性。 四、径向基函数(RBF)网络及其学习算法 * * RBF网络学习常用的聚类分析技术是K-均值算法，其具体过程可描述为： 四、