【神经网络第三期】RBF神经网络基本原理和模型应用
目录
1. RBF神经网络基本概
2. RBF神经网络结构模型
3.RBF神经网络的学习算法
4. 相关模型应用
1. RBF神经网络基本概
径向基函数( Radical Basis Function, RBF)是多维空间插值的传统技术,由Powell 于1985 年提出。1988 年, Broomhead 和Lowe 根据生物神经元具有局部响应这一特点,将RBF
引人神经网络设计中,产生了RBF 神经网络。1989 年, Jackson 论证了RBF 神经网络对非线性连续函数的一致逼近性能。RBF 神经网络属于前向神经网络类型,网络的结构与多层前向网络类似,是一种三层的前向网络。第一层为输入层,由信号源结点组成;第二层为隐藏层,隐藏层节点费宣布~ 所描述问题的需要而定,隐藏层中神经元的变换函数即径向基函数是对中心点径向对称且衰减的非负非线性函数,该函数是局部响应函数,而以前的前向网络变换函数都是全局响应的函数; 第三层为输出层,它对输入模式作出响应。RBF 网络的基本思想是:用RBF 作为隐单元的“基”构成隐藏层空间,隐含层对输入矢量进行变换,将低维的模式输入数据变换到高维空间内,使得在低维空间内的线性不可分的问题在商维空间内线性可分。RBF 神经网络结构简单、训练简洁而且学习收敛速度快,能够逼近任意非线性函数,因此它已被广泛应用于时间序列分析、模式识别、非线性控制和图形处理等领域。
2. RBF神经网络结构模型
径向基神经网络的神经元筷型如图1-1 所示。径向基神经网络的节点激活函数采用径向基函数,通常定义为空间任一点到某一中心之间的欧式距离的单调函数。
图1-1 径向基神经元模型
由图7 - 1 所示的径向基神经元结构可以看出,径向基神经网络的激活函数是以输入向盘和权值向盘之间的距离11 dist 11 作为自变量的。径向基神经网络的激活函数的一般表达式为
3.RBF神经网络的学习算法
RBF 神经网络学习算法需要求解的参数有3 个z 基函数的中心、方差以及隐含层到输出层的权值。根据径向基函数中心选取方法的不同, RBF 网络有多种学习方法,如随机选取中心法、自组织选取法、有监督选取中心法和正交最小二乘法等。下面将介绍自组织选取中心的RBF 神经网络学习法。该方法由两个阶段组成:一是自组织学习阶段,此阶段为无导师学习过程,求解隐含层基函数的中心与方差;二是有导师学习阶段,此阶段求解隐含层到输出层之间的权值。
径向基神经网络中常用的径向基函敏是高斯函数,因此径向基神经网络的激活函数可表示为
式中, 为欧式范数;Ci为高斯函数的中心,σ为高斯函数的方差。
由图7-2所示的径向基神经网络的结构可得到网络的输出为
式中, 为第P个输入样本;p=1,2,3....,P,P为样本总数,Ci为网络隐含层结点的中心;Wij 为隐含层到输出层的连接权值;i=1,2,3....h为隐含层节点数;yi为与输入样本对应的网络的第j个输出结点的实际输出。
设d是样本的期望输出值,那么基函数的方差可表示为
学习算法具体步骤如下:
步骤1 :基于K -均值聚类方法求取基函数中心 c 。
1.1 网络初始化:随机选取h 个训练样本作为聚类中心 ci(i=1,2,...h)
1.2 将输入的训练样本集合按最近邻规则分组: 按照 与中心为之间的欧式距离将分配到输入样本的各个聚类集合中。
1.3 重新调整聚类中心:计算各个聚类集合中训练样本的平均值,即新的聚类中心Ci,如果新的聚类中心不再发生变化,则所得到的Ci,即为RBF 神经网络最终的基函数中心,否则返回1.2 ,进行下一轮的中心求解。
步骤2:求解方差
该RBF 神经网络的基函数为高斯函数,方差 可如下求解:
式中,Cmax是所选取中心之间的最大距离。
步骤3:计算隐含层和输出层之间的权值。
隐含层至输出层之间神经元的连接权值可以用最小二乘法直接计算得到,计算公式如下:
4. 相关模型应用
4.1 基于RBF神经网络的短时电力负荷预测
4.2 基于RBF神经网络的人口数量模型预测
【神经网络第三期】RBF神经网络基本原理和模型应用相关推荐
- 【神经网络】基于RBF神经网络的六关节机械臂无模型控制
前言:最近在搞神经网络,看到有用神经网络逼近未建模动态的,也有用神经网络来逼近整个模型的,后者即是无模型控制.无模型控制它不需要知道系统的名义模型,直接用神经网络来逼近整个系统,感觉这个方法还蛮厉害的 ...
- 径向基函数神经网络_基于RBF神经网络的网络安全态势感知预测研究
点击上方"网络空间安全学术期刊"关注我们 基于RBF神经网络的网络安全态势 感知预测研究 钱建, 李思宇 摘要 针对网络安全态势的感知问题,结合巨龙山和者磨山风电场的运行情况,文章 ...
- 人工神经网络——径向基函数(RBF)神经网络
此博客排版不好,重新用Markdown写了一篇,同时附上了代码,戳这里 本文摘自:<模式识别与智能计算--matlab技术实现第三版>与<matlab神经网络43个案例分析> ...
- rbf神经网络_基于RBF神经网络的监督控制(09)
1.RBF监督控制 基于RBF神经网络的监督控制系统,其控制思想是:初始阶段采用PD反馈控制,然后过渡到神经网络控制.在控制过程中,如出现较大的误差,则PD控制起主导作用,神经网络控制起调节作用. 图 ...
- matlab神经网络控制器设计,RBF神经网络控制设计、分析及Matlab仿真程序
[实例简介] RBF神经网络控制设计.分析及Matlab仿真程序 [实例截图] [核心代码] RBF神经网络控制设计.分析及Matlab仿真程序_网站下载 └── RBF神经网络控制设计.分析及Mat ...
- 基于径向基函数RBF神经网络的非线性函数拟合研究-含Matlab代码
目录 一.RBF神经网络基本原理 二.模型建立 三.RBF网络拟合结果分析 四.注意事项 五.参考文献 六.Matlab代码获取 一.RBF神经网络基本原理 1988年Broomhead和Lowe将径 ...
- 机器学习——RBF神经网络
RBF神经网络 本文部分资料与案例来源:<MATLAB神经网络43个案例分析> RBF神经网络简述 再介绍RBF神经网络之前我们先来看一下径向基函数(RBF),在百度百科上,RBF定义如下 ...
- 径向基(Radial Basis Function:RBF)神经网络学习笔记
原创不易,转载前请注明博主的链接地址:Blessy_Zhu https://blog.csdn.net/weixin_42555080 一. 从BP神经网络到RDF神经网络 在上一篇文章BP(Back ...
- python rbf神经网络_RBF(径向基)神经网络
只要模型是一层一层的,并使用AD/BP算法,就能称作 BP神经网络.RBF 神经网络是其中一个特例.本文主要包括以下内容: 什么是径向基函数 RBF神经网络 RBF神经网络的学习问题 RBF神经网络与 ...
最新文章
- Swift、Flutter 共同瞄准 Windows!
- Linux信号列表(非实时信号和实时信号)
- 【NOIP模拟】开車【回退贪心】【multiset】
- 计算机网络——差错控制
- 炫彩流行艺术海报,品味不止一点点
- 通过xsl显示和输出XML数据
- MATLAB视频转图片保存
- 吸引子传播(Affinity Propagation)算法
- 大厂字节程序员薪资曝光:排行世界第五厉害了
- 夜曲歌词 拼音_夜曲歌词(周杰伦演唱)
- 转载:虚拟机安装centos6.5出现 unsupported hardware detected 解决方法
- 《三重门》作者的机灵与人物的笨拙
- 蓝牙 UUID 解释
- ofo开放平台成立了,mobike该做些什么?
- Xshell 6的 InstallShield: 1628 完成基于脚本的安装失败
- 可以加急的计算机核心期刊,什么核心期刊可以加急
- C++实用技巧:公交换乘算法
- 星载高分宽幅方位多通道合成孔径雷达SAR卫星调研
- 爬取集思录可转债成交额
- 洗碗机,开始了“圈地运动”