MATLAB神经网络分析及应用 课件 6RBF神经网络分析与应用.pptxVIP

第6章

RBF神经网络分析与应用

径向基RBF（RadialBasisFunctionNeuralNetwork，简称RBF网）网络是一个三层的网络，除了

输入输出层之外仅有一个隐藏。隐藏层中的转换函数是局部响应的高斯函数，而其他前向型网络，转换

函数一般都是全局响应函数。由于这样的不同，要实现同样的功能，RBF需要更多的神经元，但是RBF的

训练时间更短。它对函数的逼近是最优的，可以以任意精度逼近任意连续函数。隐层中的神经元越多，

逼近越精确。

RBF神经网络的基本思想是，用RBF函数作为隐单元的“基”，构成隐藏层空间，而输入层直接传递

输入信号到隐藏层，这样就可以将输入矢量直接（即不通过权值连接）映射到隐空间，使得隐藏层单元

输出即为网络输入的RBF函数映射（是非线性的）。

另一方面，由隐藏层空间到输出空间的映射是线性的，即网络的输出是隐藏层单元输出的线性加权

和，此处的权即隐藏层单元与输出层单元的连接权，是网络的可调参数。

由此可见，从总体上看，RBF网络由输入到输出的映射是非线性的，而网络输出对可调参数而言却是

线性的，这样网络的权值就可以用最小方差算法、递推最小二乘法等计算，从而大大加快了学习速度并

避免了局部极小问题。

6.1RBF神经网络模型

图6-1所示为一个有R个输入的径向基神经元模型