智能控制第7章典型神經(jīng)網(wǎng)絡(luò)(已改無錯(cuò)字)
2023-02-06 05:19:00 本頁面
【正文】 1 0 0 0.5 0 0 1 0 1 表 71 訓(xùn)練樣本 BP網(wǎng)絡(luò)模式識別程序包括網(wǎng)絡(luò)訓(xùn)練程序 。 RBF神經(jīng)網(wǎng)絡(luò) 徑向基函數(shù) (RBFRadial Basis Function)神經(jīng)網(wǎng)絡(luò)是由 80年代末提出的一種神經(jīng)網(wǎng)絡(luò) ,它是具有單隱層的三層前饋網(wǎng)絡(luò)。 由于它模擬了人腦中局部調(diào)整 、 相互覆蓋接收域 （ 或稱感受野 Receptive Field） 的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) ， 因此 ， RBF網(wǎng)絡(luò)是一種局部逼近網(wǎng)絡(luò) ， 已證明它能任意精度逼近任意連續(xù)函數(shù) 。 RBF網(wǎng)絡(luò)特點(diǎn) (1) RBF網(wǎng)絡(luò)的作用函數(shù)為高斯函數(shù)，是局部的， BP網(wǎng)絡(luò)的作用函數(shù)為 S函數(shù)，是全局的； (2) 如何確定 RBF網(wǎng)絡(luò)隱層節(jié)點(diǎn)的中心及基寬度參數(shù)是一個(gè)困難的問題； (3) 已證明 RBF網(wǎng)絡(luò)具有唯一最佳逼近的特性，且無局部極小。 RBF網(wǎng)絡(luò)結(jié)構(gòu) RBF網(wǎng)絡(luò)是一種三層前向網(wǎng)絡(luò)，由于輸入到輸出的映射是非線性的，而隱含層空間到輸出空間的映射是線性的，從而可以大大加快學(xué)習(xí)速度并避免局部極小問題。 圖 713 RBF網(wǎng)絡(luò)結(jié)構(gòu) RBF網(wǎng)絡(luò)的逼近 ? 采用 RBF網(wǎng)絡(luò)逼近一對象的結(jié)構(gòu)如圖 714所示。 圖 714 RBF神經(jīng)網(wǎng)絡(luò)逼近 在 RBF網(wǎng)絡(luò)結(jié)構(gòu)中 ， 為網(wǎng)絡(luò)的輸入向量 。 設(shè) RBF網(wǎng)絡(luò)的徑向基向量 ， 其中 hj為高斯基函數(shù)： 網(wǎng)絡(luò)的第 j個(gè)結(jié)點(diǎn)的中心矢量為： 其中 ， i=1,2,… n ? ?TnxxxX ,...., 21?T]h..,h,h[ m21 jhH ??mjbXjj ?,2,1),2Ce x p ( h 22j ??Tn21j ]cc,c[C jijjj c ???設(shè)網(wǎng)絡(luò)的基寬向量為： 為節(jié)點(diǎn)的基寬度參數(shù) ， 且為大于零的數(shù) 。網(wǎng)絡(luò)的權(quán)向量為： k時(shí)刻 網(wǎng)絡(luò)的輸出為： 設(shè)理想輸出為 y(k)， 則性能指標(biāo)函數(shù)為： T21 ],[B mbbb ???jb],[W 21 mj w ??? h+w+h+whw= w hky mmm ??2211)( ?2m ( k ) )( k )(21 yykE ?)( 根據(jù)梯度下降法 ， 輸出權(quán) 、 節(jié)點(diǎn)中心及節(jié)點(diǎn)基寬參數(shù)的迭代算法如下： ))2()1(( ?????? kwkwhyyηww jjjmjj ?( k ) )( k )(1)(k( k )32jjjjmj bCXhwyyb( k ) )( k )(??2 ) )(k1)(k(1)(k( k ) jjjjj bbbηbb ?????2Δ jjijjmji bcxwyyc ( k ) )( k )(?2 ) )(k1)(k(1)(k( k ) ijijijijij cccηcc ???? Δ 陣 (即為 對象的輸出對控制輸入的靈敏度信息 )算法為： 其中取 。 J a c o b ia n????????? mj jjjjm bxchwkukykuky1211)()()()((k )ux ?1其中 , 為學(xué)習(xí)速率， 為動量因子。 ? ?23)1(1)1()()(?????kykykuky使用 RBF網(wǎng)絡(luò)逼近下列對象： ? RBF網(wǎng)絡(luò)逼近程序見 。 RBF網(wǎng)絡(luò)逼近仿真實(shí)例 回歸神經(jīng)網(wǎng)絡(luò) 對角回歸型神經(jīng)網(wǎng)絡(luò) （ DRNN： Diagonal Recurrent Neural Network） 是具有反饋的動態(tài)神經(jīng)網(wǎng)絡(luò)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1