回归预测 | MATLAB实现RBF径向基神经网络非线性函数回归

回归预测 | MATLAB实现RBF径向基神经网络多非线性函数回归

目录

    • 回归预测 | MATLAB实现RBF径向基神经网络多非线性函数回归
      • 基本介绍
      • 程序设计
      • 学习总结
      • 参考资料

基本介绍

RBF神将网络是一种三层神经网络,其包括输入层、隐层、输出层。从输入空间到隐层空间的变换是非线性的,而从隐层空间到输出层空间变换是线性的。

  • RBF网络的基本思想是:用RBF作为隐单元的“基”构成隐含层空间,这样就可以将输入矢量直接映射到隐空间,而不需要通过权连接。当RBF的中心点确定以后,这种映射关系也就确定了。而隐含层空间到输出空间的映射是线性的,即网络的输出是隐单元输出的线性加权和,此处的权即为网络可调参数。
  • 其中,隐含层的作用是把向量从低维度的p映射到高维度的h,这样低维度线性不可分的情况到高维度就可以变得线性可分了,主要就是核函数的思想。
  • 这样,网络由输入到输出的映射是非线性的,而网络输出对可调参数而言却又是线性的。网络的权就可由线性方程组直接解出,从而大大加快学习速度并避免局部极小问题。

程序设计

  • 案例1
 
 

你可能感兴趣的:(#,RBF径向基神经网络,回归预测,机器学习,神经网络,回归预测,RBF,径向基神经网络,非线性函数回归)