机械故障诊断学第7章PPT.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 在RBF 网络中，输入层至输出层之间的所 有权重固定为1，隐层RBF单元的中心及半 径通常也预先确定， 仅隐层至输出层之间 的权重可调。 RBF 网络的隐层执行一种固 定不变的非线性变换，将输入空间Rn 映射 到一个新的隐层空间Rh，输出层在该新的空 间中实现线性组合。显然由于输出单元的线 性特性，其参数调节极为简单，且不存在局 部极小问题。 National Laboratory of High Performance Complex Manufacturing，Central-South University RBF网络的数学模型 规一化的RBF网络 National Laboratory of High Performance Complex Manufacturing，Central-South University National Laboratory of High Performance Complex Manufacturing，Central-South University RBF网络的性能 RBF网络与BP网络一样是一类通用的函数 逼近器 尽管RBF 的激活函数可以多种多样，但可 以证明，当应用指数函数作非线性项时， RBF 网络拥有“最佳逼近”特性，即存在一 个权重集合，其逼近效果在所有可能的权 集合中是最佳的。这种最佳逼近特性，传 统的BP网络是不具备的。 National Laboratory of High Performance Complex Manufacturing，Central-South University RBF网络的K—均值聚类学习算法 RBF网络依然是典型的有指导学习网络，其学习包括两个步骤： 1) 确定每一个RBF单元的中心cj 和半径?j ； 2) 调节权矩阵W。 National Laboratory of High Performance Complex Manufacturing，Central-South University RBF网络的K—均值聚类学习算法 RBF网络依然是典型的有指导学习网络，其学习包括两个步骤： 1) 确定每一个RBF单元的中心cj 和半径?j ； 2) 调节权矩阵W。 National Laboratory of High Performance Complex Manufacturing，Central-South University 中心cj 的确定 National Laboratory of High Performance Complex Manufacturing，Central-South University National Laboratory of High Performance Complex Manufacturing，Central-South University 半径?j 的确定 半径?j 决定了RBF单元接受域的大小，对网络的精度有极大的影响。半径选择的基本原则：使得所有RBF单元的接受域之和覆盖整个训练样本空间。 National Laboratory of High Performance Complex Manufacturing，Central-South University RBF网络接受域示意图(二维情形) National Laboratory of High Performance Complex Manufacturing，Central-South University 通常应用K-均值聚类算法后，对每一个类中心Cj 可以令相应的半径?j等于其与属于该类的训练样本之间的平均距离，即： National Laboratory of High Performance Complex Manufacturing，Central-South University 调节W 线性最小二乘法： 令网络输出 Y = W·?= T 则： National Laboratory of High Performance Complex Manufacturing，Central-South University 梯度法： 由于输出为线性单元，因而可以确保梯度算法收敛于全局最优解。 National Laboratory of High Performa