网站大量收购独家精品文档,联系QQ:2885784924

RBF网络讲义.ppt

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
RBF网络讲义

第09讲 径向基函数网络 RBF网络 径向基函数(RBF-Radial Basis Function)神经网络,是在借鉴生物局部调节和交叠接受区域知识的基础上,提出的一种采用局部接受域来执行函数映射的人工神经网络。 RBF网络结构是由一个隐含层(径向基层)和一个线性输出层组成的前向网络,隐含层采用径向基函数作为网络的激活函数。 RBF网络输出的计算 : 网络输出层第k个节点的输出,为隐节点输出的线性组合: 无导师学习也称非监督学习,对所有样本的输入进行聚类,求得各隐层节点的RBF的中心ci。这里介绍用k均值聚类算法,调整中心,算法步骤为: (1)给定各隐节点的初始中心; (2)计算距离(欧氏距离)并求出最小距离的节点: (3)调整中心: 有导师学习 有导师学习也称监督学习。当ci确定后,训练由隐层至输出层之间的权系值,它是一线性方程组,则求权系值就成为线性优化问题,可利用各种线性优化算法求得,如LMS算法、最小二乘递推法、镜像映射最小二乘法等。 * * RBF网络第i个隐层节点的输出为: 式中 u——n维输入向量 ci——第i个隐节点的中心, ——通常为欧氏范数 ——RBF函数,具有局部感受的特性,它有多种形式,体现了RBF网络的非线性映射能力,通常取为高斯函数,其形式为 式中 ——qi到yk的联接权 ——第k个输出节点的阈值 RBF网络的学习算法 设有p组输入/输出样本 ,定义目标函数(L2范数): 学习的目的是使 RBF网络的学习算法由两部分组成:无导师学习、有导师学习。 式中 —— 学习速率, (4)计算节点 的距离 *

文档评论(0)

dajuhyy + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档