神经网络理论基础 2-6 径向基函数神经网络.pptVIP

2-6 径向基函数神经网络 径向基函数（RBF）神经网络，是具有单隐层的三层前馈网络，结构见图。由于它模拟了人脑中局部调整、相互覆盖接收域的神经网络结构，因此，是一种局部逼近网络，已证明它能以任意精度逼近任一连续函数。 2-6-1 网络输出计算 2-6-2 网络的学习算法 1. 无导师学习 对所有输入样本进行聚类，求得各隐层节点的RBF的中心。介绍用k--均值聚类算法调整中心。 2-6-3 有关的几个问题 演示 RBF网络工作原理、学习算法 例2-6-1 高斯径向基函数（RBF）网络。 演示 例2-6-3M 　 构建高斯RBF网络 　 * 输入层 　　隐层　 输出层 节点 节点 节点 RBF神经网络 u y q 输入层 　　隐层　 输出层 节点 节点 节点 RBF神经网络 u y q i=1~ s 输入层 　　隐层　 输出层 节点 节点 节点 RBF神经网络 u y q 输入层 　　隐层　 输出层 节点 节点 节点 图2-6-1 RBF神经网络 u y q s s 输入层 　　隐层　 输出层 节点 节点 节点 图2-6-1 RBF神经网络 u y q 略 为单位阵，则有： 例2-6-2M 高斯径向基函数（RBF）。 一维高斯RBF （1）一维 二维（椭圆情况） 二维高斯RBF （２）二维 2-6-4 MATLAB高斯RBF网络构建法 1 . 无差高斯RBF网络构建 需设定散布系数sc 2. 有效的高斯RBF网络构建 需设定散布系数sc、目标函数精度eg *