数据挖掘实验四-RBF神经网络报告23.docVIP

华南师范大学实验报告 学生姓名： 楚鹤鸣 学号： 20123100146 专 业： 通信工程 班级： 12 通信工程 7 班 实验项目：实验四 RBF神经网络 一、实验目的 通过计算机编程实现并验证RBF神经网络的曲线拟合及模式分类能力。 二、实验内容 1）用Matlab实现，并对给定的样本集； 2）通过改变实验参数，观察和分析影响的结果与收敛速度的因素； RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。正则化RBF网络 输入样本有P个时，隐藏层神经元数目为P，且第p个神经元采用的变换函数为G(X,Xp)，它们相同的扩展常数σ。输出层神经元直接把净输入作为输出。输入层到隐藏层的权值全设为1,隐藏层到输出层的权值是需要训练得到的：逐一输入所有的样本，计算隐藏层上所有的Green函数，根据(2)式计算权值。 广义RBF网络 Cover定理指出：将复杂的模式分类问题非线性地映射到高维空间将比投影到低维空间更可能线性可分。 广义RBF网络：从输入层到隐藏层相当于是把低维空间的数据映射到高维空间，输入层细胞个数为样本的维度，所以隐藏层细胞个数一定要比输入层