基于RBF改进 实验报告.docxVIP

基于RBF的回热系统故障诊断 RBF实验名称：基于RBF的回热系统故障诊断。 RBF神经网络优点及结构：尽管BP神经网络具有很好的非线性映射能力和灵活的网络结构等优点，但存在着收敛速度慢缺点。而RBF神经网络无论在逼近能力、分类能力和学习速度等方面均优于BP神经网络。RBF神经网络结构和BP神经网络类似，都属于多层前向网络。典型的RBF神经网络由输入层、隐含层、输出层组成，其结构如图一所示。 图一 RBF神经网络结构图 其中输入层由输入信号的源节点组成， 第二层为隐含层，第三层为输出层，输出神经网络对输入的响应。其中隐含层的激活函数称为径向函数（RBF），该函数是一种局部分布的关于中心点对称的非负非线性函数，实现了从输入空间到隐含层空间的非线性变换；而隐含层空间到输出层空间的变换是线性的，使隐含层的输出按权值叠加，得到RBF网络的输出。 构成RBF的基本思想是：用RBF作为隐含层节点的“基”构成隐含层空间，这样就可以将输入向量直接(不通过权连接)映射到隐含层空间。当RBF的中心和宽度确定后，这样映射关系就确定了。而隐含层空间到输出层空间的映射是线性的，即网络的输出是隐含层节点输出的线性加权和。此处的权即为网络可调参数。由此可见，从总体上看，网络由输入到输出的映射是非线性的，然而网络输出对可调参数而言却是线性的。这样网络的权就可由线性方程组解出或用R