第8章径向基网络.ppt

第8章径向基网络;;8.1径向基网络模型

RBF网络是一种三层前向网络。径向基函数神经网络由三部分组成：

一组感知单元（源节点）组成输入层；

一层计算节点的隐含层；

一层计算节点的输出层。

RBF网络的基本思想是：用RBF作为隐单元的“基”构成隐含层空间，从而降低维的输入向量映射到高维空间，使得在低维空间线性不可分的问题在高维空间线性可分。将输入矢量直接（即不需要通过权连接）映射到隐空间，当RBF的中心点确定后，映射关系也就确定，隐含层空间到输出空间的映射是线性的。;1.径向基神经元结构

径向基神经网络的神经元结构如图8-1所示。

;2.径向基函数网络结构

径向基函数网络包括隐层和输出层。输入信号传递到隐层，节点函数为高斯函数；输出层节点函数通常为简单的线性函数。径向基函数网络结构如图8-3所示：;8.2径向基网络的学习

RBF网络的学习算法一般包括两个不同的阶段：

（1）隐层径向基函数的中心的确定。常见算法有随机选取中心法，自组织选取中心法等。

（2）径向基函数权值学习调整阶段。常见算法有伪逆法，正交最小二乘法等。;8.3其它径向基网络

1.广义回归神经网络

广义回归神经网络GRNN（GeneralRegressionNeuralNetwork，GRNN）是以ParenWindow1962年提出的估计器理论为基础，由Specht在1991年提出的，是径向基