神经网络配套pptCh12pres(RBF).pptVIP

12+ * 径向基函数(RBF)网络 RBF网络结构 径向基神经元结构 径向基神经元的净输入采用距离函数（如欧式距离）乘以偏置，并使用径向基函数作为激活函数。 权又称为中心 1. 高斯函数： 2. 反射S形函数： 3. 逆多二次函数： δ 称为基函数的扩展常数或宽度，δ 越小，径向基函数的宽度越小，基函数就越有选择性。 径向基函数（RBF） RBF网络结构（续） RBF网络结构（续） 网络结构 RBF网络是个三层结构（Ｒ-S1-S2）的前馈网，其中，Ｒ代表输入层并指出输入维数； S1代表由径向基神经元构成的隐层并指出神经元数目； S2是线性输出层。 RBF网络结构（续） RBF网络层间的连接 输入层到隐层之间的权值（中心）固定 隐层到输出层之间的权值可调 RBF网络工作原理 RBF网络的三层的作用 输入层将网络与外界环境连接起来 隐层是非线性的，实现从输入空间到隐层空间之间的非线性变换 输出层是线性的，完成隐层输出的加权和 RBF网络是一种局部逼近网络 能以任意精度逼近任一连续函数 常用于解决函数逼近和分类问题 RBF网络工作原理（续） RBF网络的工作原理 函数逼近：以任意精度逼近任一连续函数。一般函数都可表示成一组基函数的线性组合，RBF网络相当于用隐层单元的输出构成一组基函数，然后用输出层来进行线性组合，以完成逼近功能。 分类：解决非线性可分问题。RBF网络用隐