matlab在RBF神经网络模型中的应用.pdf

万方数据

MATLAB在RBF神经网络模型中的应用高宁·，张建中2network啪explained，andRBF神经网络简介一110—交流园地MATLAB人工神经网络具有大规模并行处理能力、分布式存储能力、自适应(学习)能力等特征，神经网络特有的非线性适应性信息处理能力。克服了传统人工智能方法的缺陷，已广泛应用于模式识别、信号处理等各种应用领域。MATLAB集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境。应用MA，I'IAB语言构造典型神经网络的激活传递函数。编写各种网络设计与训练的子程序．网络设计者可以根据需要调用工具箱中有关神经网络的设计训练的函数，从繁琐的编程中解脱出来。本文主要介绍基于MATLAB神经网络工具箱实现RBF神经网络模型及其应用。径向基函数(Radial络由三层组成，包括输入层、隐含层和输出层，隐含层的神经元数目由具体问题的情况而定。如图1．1所示。输入层节点只传递输入信号到隐层，隐层节点由象高斯函数那样的辐射状作用函数构成。而输出层节点通常是简单的线性函数。隐含层节点中的作用函数(基函数)对输入信号在局部产生响应，也就是说。当输入信号靠近基函数的中央范嗣时，隐含层节点将产生较大的输出。由此可看出这种网络具有局部逼近能力。所以径向基函数网络也称为局部感知场网络。RBF神经网络是一种典型的局部逼近神经网络．对于每个输人输出数据对，只有少量权值需要调整，从而使局部逼近网络具有学习速度快的优点．这点对于控制来说至关重要。理论上已经证明．只要隐含层神经元的数量足够多，RBF网络能以任意精度逼近任何单值连续函数。RBF神经网络是一种性能良好的前向神经网络，具有收敛速度快、网络结构简单、逼近性能良好、不存在局部极小等优点。《农业网络信息》2009年第2期(1．安徽农业大学信息与计算机学院，安徽合肥230036；2．安徽建筑工业学院电子与信息工程学院，安徽合肥230022)摘要：本文介绍了RBF神经网络的基本原理及主要特点，并举例说明了基于MATLAB神经网络工具箱建立RBF神经网络模型及实现仿真的方法。关键词：仿真；MATLAB神经网络工具箱；RBF神经网络中图分类号：TP399文献标识码：A文章编码：1672—6251(2009)02一0110—02model230022，China)andlFuntion，RBF)神经网RBF神经网络结构基金项目：安徽省教育厅青年教师科研资助项目2004jql50作者简介：高宁(1978一)，女，硕士，讲师，研究方向：计算机网络、计算机仿真等方面的研究。ApplicationofRBFneuralnetworkbasedGAONingI,ZHANGJan-zhonga(1．CollegeBasis图1收稿日期：2008—12—09；修回日期：2008—12—12Informationcomputer,AnhuiAgricultureUniversity，Hefei230036，China；2．CollegeElectronicsEnginner,AnhuiArchitectureAbstract：Inthispaper。theprinciplecharacteristicthemethodbuildingsimulatingisintroduced．Keywords：Simulation；MATLABtoolbox；RBFOR
万方数据

2径向基函数神经网络的工具箱函数3径向基函数网络的设计及应用4结论一111—交流园地MATLAB的RBF网络工具箱中包含了进行RBF网络分析和设计的许多函数，这里介绍几个常用的函数。(1)newrbe()。该函数可以快速构建一个径向基函数网络，且使得设计误差为O，该函数使径向基层神经元数目等于输入向量的个数。格式为net=newrbe(P，T,SPREAD)，其中P为输入向量，T为期望输出向量(目标值)，SPREAD为径向基层的散步常数，缺省值为l。(2)newrb()。newrb()能更有效进行网络设计，径向基函数网络逼近函数时，newrb()函数可以自动增加网络的隐含层神经元数目．直到均方差满足精度或者神经元数目达到最大为止。格式为net=newrb(P，T，GOAL，SPREAD，MN，Dn，其中P,T，SPREAD变量的意义同newrbe0函数，GOAL为训练精度，缺省值为0，MN为神经元个数的最大值，DF为训练过程的显示频率。(3)radbas。径向基传递函数。此函数可由它的网络输入计算神经元的输出。(4)sim()。神经网络仿真函数。格式为Y=sim(net，P)。其中net为神经网络对象，P为网络输入，Y为网络输出。径向基函数网络多用于函数逼近和分类问题的研究。函数逼近的目的就是找到一个函