第11章--模糊RBF网络.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第十一章,MATLAB,优化算法案例分析与应用,11.1 RBF,神经网络,RBF,网络的学习过程与,BP,网络的学习过程类似，两者的主要区别在于各使用不同的作用函数。,BP,网络中隐层使用的是,Sigmoid,函数，其值在输入空间中无限大的范围内为非零值，因而是一种全局逼近的神经网络；而,RBF,网络中的作用函数是高斯基函数，其值在输入空间中有限范围内为非零值，因为,RBF,网络是局部逼近的神经网络。,RBF,网络是一种,3,层前向网络，由输入到输出的映射是非线性的，而隐层空间到输出空间的映射是线性的，而且,RBF,网络局部逼近的神经网络，因而采用,RBF,网络大大加快学习速度并避免局部极小问题，适合于实时控制的要求。采用,RBF,网络构成神经网络控制方案，可有效提高系统的精度、鲁棒性和自适应性。,第十一章,MATLAB,优化算法案例分析与应用,11.1.1 RBF,网络结构,RBF,网络是一种三层前向网络，由于输入到输出的映射是非线性的，而隐含层空间到输出空间的映射是线性的，从而可以大大加快学习速度并避免局部极小问题。多输入单输出的,RBF,网络结构如图,11-1,所示。,图,11-1 RBF,神经网络结构,第十一章,MATLAB,优化算法案例分析与应用,11.1.2 RBF,网络的逼近,RBF,神经网络逼近,高斯基函数,第十一章,MATLAB,优化算法案例分析与应用,11.1.2 RBF,网络的逼近,采用,RBF,网络逼近下列对象,for j=1:1:4,h(j)=exp(-norm(x-c(:,j)2/(2*b(j)*b(j);%,高斯基函数,end,ym(k)=w*h;,em(k)=y(k)-ym(k);,for j=1:1:4,d_w(j)=xite*em(k)*h(j);,d_b(j)=xite*em(k)*w(j)*h(j)*(b(j)-3)*norm(x-c(:,j)2;,for i=1:1:2,d_c(i,j)=xite*em(k)*w(j)*h(j)*(x(i)-c(i,j)*(b(j)-2);,end,end,w=w_1+d_w+alfa*(w_1-w_2);,b=b_1+d_b+alfa*(b_1-b_2);,c=c_1+d_c+alfa*(c_1-c_2);,第十一章,MATLAB,优化算法案例分析与应用,11.1.2 RBF,网络的逼近,采用,RBF,网络逼近下列对象,RBF,网络辨识结果,RBF,网络敏感度,Jacobian,信息,第十一章,MATLAB,优化算法案例分析与应用,11.2,模糊,RBF,网络,在模糊系统中，模糊集、隶属度函数和模糊规则的设计是建立在经验知识基础上的。这种设计方法存在很大的主观性。将学习机制引到模糊系统中，使模糊系统能够通过不断学习来修改和完善隶属函数和模糊规则，是模糊系统的发展方向。,第十一章,MATLAB,优化算法案例分析与应用,11.2.1,网络结构,如图,11-10,所示为模糊,RBF,神经网络结构，该网络由输入层、模糊化层、模糊推理层和输出层构成。,模糊,RBF,神经网络结构,第十一章,MATLAB,优化算法案例分析与应用,11.2.1,网络结构,如图,11-10,所示为模糊,RBF,神经网络结构，该网络由输入层、模糊化层、模糊推理层和输出层构成。,模糊,RBF,神经网络结构,第十一章,MATLAB,优化算法案例分析与应用,11.2.2,基于模糊,RBF,的网络逼近,模糊,RBF,神经网络逼近,网络的逼近误差为：,输出层的权值学习算法,第十一章,MATLAB,优化算法案例分析与应用,11.2.2,基于模糊,RBF,的网络逼近,隶属函数参数可通过如下方式调整：,隶属函数参数学习算法为：,第十一章,MATLAB,优化算法案例分析与应用,11.2.2,基于模糊,RBF,的网络逼近,利用模糊,RBF,网络逼近下列函数：,输入信号为正弦信号：,网络结构选则输入层,2,个,-,模糊化层,25,个,-,模糊推理层,25,个,-,输出层,1,个,中心矢量和高斯基宽向量的初值取,网络的学习参数取,，,第十一章,MATLAB,优化算法案例分析与应用,11.2.2,基于模糊,RBF,的网络逼近,利用模糊,RBF,网络逼近下列函数：,%Layer2:fuzzation,for i=1:1:2,for j=1:1:5,net2(i,j)=-(f1(i)-c(i,j)2/b(j)2;,end,end,for i=1:1:2,for j=1:1:5,f2(i,j)=exp(net2(i,j);,end,end,%Layer3:fuzzy inference(49 rules),for j=1:1:5,m1(j)=f2(1,j);,m2(j)=f2(2,j);,end,for i=1:1:5,for j=1:1:5,ff3(i,j)=m2(i)*m1(j);,end,end,f3=ff3(1,:),ff3(2,:),ff3(3,:),ff3(4,:),ff3(5,:);,%Layer4:output,f4=w_1*f3;,ym(k)=f4;,e(k)=y(k)-ym(k);,d_w=0*w_1;,for j=1:1:25,d_w(j)=xite*e(k)*f3(j);,end,第十一章,MATLAB,优化算法案例分析与应用,11.2.2,基于模糊,RBF,的网络逼近,利用模糊,RBF,网络逼近下列函数：,模糊,RBF,网络逼近效果,模糊,RBF,网络逼近误差,