本站原创文章,转载请说明来自《老饼讲解-BP神经网络》www.bbbdata.com
RBF神经网络广泛应用于数值预测,它以RBF为激活函数,每个隐节点有着较强的局部性是它的特色
本文先简要回顾RBF神经网络的一些思想与概念,然后介绍matlab中的RBF神经网络
通过本文,可以了解matlab的RBF神经网络是什么,具有什么特点
本节先简要回顾RBF径向基神经网络的思想、表达式、和网络拓扑图
RBF径向基神经网络思想回顾
RBF径向基神经网络主要就是用一些径向基来拟合目标曲线,如下
RBF径向基神经的数学表达式回顾
RBF径向基神经网络的数学表达式形式如下
每个exp部分就代表一个径向基曲线(曲面、曲面),
其中
:控制了各个径向基的中心
:控制了各个径向基的宽度
:控制了径向基的高度
:控制了径向基在y轴上的偏移
RBF径向基神经的拓扑图回顾
RBF径向基神经网络的网络拓扑图如下:
可见,RBF神经网络是一个三层的网络:输入层、隐层和输出层
称为输入层到隐层的权重
称为输入层到隐层的阈值
称为隐层到输出层的权重
称为隐层到输出层的阈值
本节介绍matlab中的径向基神经网络newrbe与newrb
并展示newrbe与newrb的区别与它们各自的特色
matlab中的径向基神经网络
在matlab中一共提供了newrb和newrbe两个函数来创建径向基神经网络,
👉1.newrbe:使用精确求解方法构建径向基神经网络
👉2.newrb :使用OLS求解方法构建径向基神经网络
两者有相似之处,但又略有区别,下面分别介绍两者,快速了解两者的核心特色
newrbe和newrb构建的RBF神经网络-对比
下面分别介绍newrb和newrbe,从中理解使用newrb和newrbe的区别
newrb-构建的径向基
newrbe使用的是精确求解方法,网络最终的误差会为0,
但径向基会比较多,因为它以所有样本为中心生成径向基,有多少个样本就有多少个径向基
为什么newrbe构建出来的网络会误差为0?
这是因为径向基足够多时,输出层的参数个数大于样本个数,因此必能求得精确解
详细可参考《RBF神经网络-算法原理-精确求解》
newrb-构建的径向基
newrb使用的则是OLS求解的方法,它的径向基相对会更少一些,
newrb先设定一个目标误差,在满足目标误差为前提下,只挑选一部分样本作为中心生成径向基
易知,在目标误差为0时,newrb就约等于newrbe
好了,以上就是Matlab中的RBF径向基神经网络newrb和newrbe的介绍~
End