一种新型训练径向基神经网络的方法.pdfVIP

北京化工大学学报(自然科学版)论文模板 一种新型训练径向基神经网络的方法 张海涛’，李大字，耿延睿 (北京化工大学自动化研究所，北京100029) 经被广泛的应用在神经网络训练上，尤其是扩展卡尔曼滤波器(EKF)。但是EKF的缺点足当训练集很大的时候，这种算法 将会非常的复杂以至于不能使用，尤其对于RBFN。原因足因为EKF的状态向量包含了所有神经网络参数，这其中包括网 态向量分成两个独立的滤波器以减小计算的复杂度。但是以上两种算法都会在计算上消耗很多的时间而且很容易陷入局部极 和DEKF的函数一阶近似，在这个算法中对非线性函数采用二阶近似展开。而且最重要的一点是UKF不用求取系统的雅克 比矩阵，所以大大减小的计算量。仿真结果证实了方法在时间序列预测、函数逼近以及分类问题上的有效性和运算速度。 关键词：径向基神经网络(RBFN)，卡尔曼滤波器(KF)，unscented卡尔曼滤波器(UKF)。 中图分类号： 1、介绍 径向基神经网络(RBFN)由Broomhead和Lowe 于1988年首次提出。RBFN的最初模型是由在生物 细胞产生的局部相应而得来得，而它的数学理论基 础是多元函数的插值算法【11。RBFN主要应用于将 州|．11) m维的输入空间映射到n维的输出空间，也用于模 式分类【2】和一些信号控制过程【3】。网络的拓扑结果 如图1所示。RBFN为三层神经网络，中心隐含层 节点是于输出层的节点完全连接的，并且每一个中 The structureoftheRBFN 心节点都有一个激励函数，函数表达式如下： Fig．1 topology (1)这个激励函数可以完成由m维输入空间到n 厂(x)=州k—V川) (1) R”。 维输出空间的函数映射，也就是说：R”j 其中厂(．)为径向基函数，|1．1I为输入向量和中心向(2)激励函数必须是单调不减的，也就是说： 量之间的欧氏距离。 中心激励函数有多种形式可选，但是这些不同 的函数形式都要遵循一些共同的规则，这个选取标 (3)定义af／Ox女为厂(·)在输入为以时的梯度， 准是： 由此： 收稿日期： 帕 基金项目：教育部留学回国人员科研启动基金，北京市教育 j 万 VXI川忙-cJ卜k_02 型_ 委员会共建项目建设计划(XKl00l00435) 奶一忙 以一0 阮一k 型刮． 第一作者：张海涛 (4)／(．)的梯度必须满足如下条件： ·通讯联系人 E-mail：2004000463@grad．buet．edu．cn 326 北京化工大学学报(自然科学版)论文模板 其中厂(．)与在公式(1)的意义相同。实际上由于 弘，毛：k—c斤k—cJIjI％／砖12懈／玉。02