第2章 神经网络概述.pptVIP

RBF网络的优缺点 （1）RBF与BP网络主要不同点是，在非线性映射上采用了不同的作用函数，分别为径向基与S型函数，前者的作用函数是局部的，后者的作用函数是全局的。 （2）已证明RBF网络具有惟一最佳逼近的特性，且无局部极小。 （3）求RBF网络隐节点的中心、标准化参数，是一困难问题。 （4）径向基函数，即径向对称函数，有多种。对于一组样本，如何选择合适的径向基函数、如何确定隐节点数，以使网络学习达到要求的精度，这是尚未解决的问题。当前，用计算机选择、设计、再检验是一种通用的手段。 （5）RBFNN用于非线性系统辨识与控制中，虽具有惟一最佳逼近的特性，且无局部极小问题，但是隐节点的中心难求，是该网络难以广泛应用的原因。 三层BP网络 图7-1 单神经元模型 常用的神经元非线性特性有以下四种： （1）阈值型 图7-2 阈值型函数 （2）分段线性型 图7-3 分段线性函数 （3）Sigmoid函数型 图7-4 Sigmoid函数 图7-6 BP神经网络逼近 图7-11 BP神经网络结构 网络的学习算法如下： （1）前向传播：计算网络的输出。 隐层神经元的输入为所有输入的加权之和： 隐层神经元的输出 采用S函数激发 ： 则 输出层神经元的输入： 网络第 个输出与相应理想输