第六讲 RBF网络.pptVIP

第六讲 RBF网络 主要内容 一个例子 RBF基本思想 RBF网络拓扑结构 基函数 学习算法 RBF与多层感知机比较 实例 一个例子(1) 异或问题 一个例子(2) 一个例子(3) 一个例子(4) RBF基本思想 神经网络设计是高维空间中的曲线拟合(逼近)问题 学习等价于多维空间中寻找能够最佳拟合数据的曲面(BP是随机逼近) Cover,1965,”Geometrical and statistical properties of systems of liner inequalities with applications in pattern recognition”,IEEE Trans On Electronic Computers,Vol.EC-16,pp326-334 RBF网络拓扑结构(1) RBF网络拓扑结构(2) 基函数 学习算法(1) 学习算法(2) RBF与多层感知机比较(1) RBF与多层感知机比较(2) RBF与多层感知机比较(3) 实例(RBF) x=-1:0.1:1 y=sin(x) net1=newrb(x,y) net2=newgrnn(x,y) z=sim(net1,x) u=sim(net2,x) plot(x,y,+) hold on plot(x,z) plot(x,u) 实例(BP) x=-2:0.1:2 y=sin(x) figure(1) plot(x,y,-) hold on n=10 net=newff(minmax(x),[n,1],{tansig,purelin},trainlm) y2=sim(net,x) figure(2) plot(x,y2) 实例(BP) figure(1) net.trainParam.epochs=100 net.trainParam.goal=0.001 net=train(net,x,y) figure(2) hold on y3=sim(net,x) plot(x,y3,:) figure(1) plot(x,y3,:) 其它实例 playshow demorb1 playshow demorb3 playshow demorb4 playshow demogrn1 * * * *