1RBF神经网络简介.docVIP

1 RBF神经网络简介 5/26/2004 1985年,powell提出了一种由3层节点组成的径向基函数(RBF)神经网络.该网络的输入层由源信号组成,第2层是隐含层,第3层是输出层.从输入层空间到隐含层空间的变换是非线性的,从隐含层空间到输出层空间的变换是线形的.隐含层单元的变换函数是RBF,是一种局部分布的对中心点径向对称衰减的非负非线性函数.将RBF神经网络的中心节点确定后,其映射关系就确定了. RBF神经网络隐含节点的触发函数是高斯函数,训练收敛速度快,精度高,容易确定隐含层节点数. RBF神经网络结构可用下式描述: 式中,——神经元的状态； ——输入； ——外部输入（信号源）； W——阈值； G——作用函数，一般为高斯函数； A,B——权值矩阵. RBF神经网络中,一般只有第1层神经元接受外部输入,其阀值B为1;其他层无外部输入,其权值B为0.后一层神经元只接受前一层神经元的输出,第1层神经元的权值A为0,其他层神经元的权值A需要学习确定. 设RBF神经网络有M个隐含层节点,在N个输入样本中随机选取RBF神经网络选用高斯函数时,它可表示为: 式中:X——输出函数； =所选中心之间的最大距离. 高斯RBF的均方差为: 网络的连接权矢量可用下式直接计算