径向基函数神经网络RBF和BP神经网络.ppt

径向基函数神经网络  神经网络基础知识 x工作原理:模拟生物大脑神经处理信息的方式 x构成:大量简单的基本元件一一神经元相互连接 x功能:进行信息的并行处理和非线性转化 本质:就是利用计算机语言模拟人类大脑做决定 的过程。  神经元结构模型 阈值 输入信号 输出值 与神经元x的连接权值  BP神经元模型 RBF隐层神经元模型 22 distIN =f(wp+b) 传递函数:A= Flogsig(n 激活函数 etansig(n A=purelin(n) 注:|dst‖是输入向量和 权值向量之间的欧氏距离  Re dist d =e 2. 可以看出:随着权值和输入向量之间的距离的减 少,网络输岀是递增的,当输入向量和杈值向量 致时,神经元输出1。 径向基网络中常用的激励函数为高斯函数 Ro dist =exp AP Ci 高斯函数的方差 欧式范数 高斯函数的中心  径向基神经网络结构 C1 bo X1 c1 AWERANm Vu 中,0x-c,0 b 输入层 隐层 输出层  从径向基神经网络的结构中可得到网络输出为: C1|,j=1,2 26 x2,…,x,)—第p个输入样本 P=1,2,…,P—p表示样本总数 网络隐含层结点的中心 隐含层到输出层的连接权值 隐含层的结点数 y与