絕對經典rbf神經網(wǎng)絡-全文預覽
【正文】 p,a,39。 a2=radbas()。) ylabel(39。 plot(p,a) title(39。) grid on %目的是找到一個函數(shù)能夠滿足這 21個數(shù)據(jù)點的輸入 /輸出關系，其中一個方法是通過構建徑向基函數(shù)網(wǎng)絡來進行曲線擬合 ：設計一個徑向基函數(shù)網(wǎng)絡，網(wǎng)絡有兩層，隱含層為徑向基神經元，輸出層為線性神經元。) xlabel(39。 plot(P,T,39。 P=1::1。 。隱含層對輸入向量進行變換，將低維 空間的模式變換到高維空間內，使得在低維 空間內的線性不可分問題在高維空間內線性可分。 分類： 解決非線性可分問題 。 ? ? ???????? ??222e x p ??rr? ???????????22e x p11??rr? ? ? ? 2/122 1?? ?? rr1. Gauss（高斯）函數(shù)： 2. 反演 S型函數(shù)： 3. 擬多二次函數(shù)： σ 稱為基函數(shù)的擴展常數(shù)或寬度， σ越小，徑向基函數(shù)的寬度越小，基函數(shù)就越有選擇性。 ? 隱層節(jié)點的非線性變換把線性不可分問題轉化為線性可分問題。RBF網(wǎng)絡特點 ? 只有一個隱層，且隱層神經元與輸出層神經元的模型不同。 ? 隱層節(jié)點參數(shù)確定后，輸出權值可通過解線性方程組得到。 ? 合適的隱層節(jié)點數(shù)、節(jié)點中心和寬度不易確定。一般函數(shù)都可表示成一組 基函數(shù)的線性組合， RBF網(wǎng)絡相當于用隱層單元的輸出構 成一組基函數(shù)，然后用輸出層來進行線性組合，以完成 逼近功能。 基本思想： 用徑向基函數(shù)作為隱單元的“基”，構成隱含 層空間。① 給定樣本數(shù)據(jù) ② 尋找函數(shù)，使其滿足： )( ii pFt ? Qi ??11( CPG ?2( CPG ?)( QCPG ??1p2pQp1w2wQw? ?PF},{ 21 Qi ppppP ??? },{21 Qi ttttT ???。 Qi??1iQjjij tppGw ????)(1)( jiij ppG ???TW ?? TW 1???Qppp ,..., 21)()(1?????Qjjiji cpwpF RBF網(wǎng)絡輸出 舉例： RBF網(wǎng)絡實現(xiàn)函數(shù)逼近 ：假設如下的輸入輸出樣本，輸入向量為 [1 1]區(qū)間上等間隔的數(shù)組成的向量 P,相應的期望值向量為 T。 figure。訓練樣本 39。目標矢量 T39。 figure。輸入 p39。如果隱含層神經元的數(shù)目足夠，每一層的權值和閾值正確，那么徑向基函數(shù)網(wǎng)絡就完全能夠精確的逼近任意函數(shù)。 figure。b39。m39。) xlabel(39。) grid on % 應用 newb()函數(shù)可以快速構建一個徑向基神經網(wǎng)絡，并且網(wǎng)絡自動根據(jù)輸入向量和期望值進行調整，從而進行函數(shù)逼近，預先設定均方差精度為 eg以及散布常數(shù) sc。 ：將網(wǎng)絡輸出和期望值隨輸入向量變化的曲線繪制在一張圖上，就可以看出網(wǎng)絡設計是否能夠做到函數(shù)逼近。)。 X=1::1。
電大資料相關推薦
鄂ICP備17016276號-1