[機械] MatlabのRBFネットワークの学習

キツネキツネの鹿によって

1. RBFは理解：
   RBFネットワークは、ラジアル基底関数ネットワークです。
   
   基本的な構造：一般的に二つのネットワーク、NNM構造。nは特性X予測子数の数であり、mは応答変数Y機能です。すなわち、Xはn次元ベクトルであり、Yは、m次元ベクトルです。もしベクターとしてノード、実際には、1-N-1。Nは、中心点の数であり、トレーニングは、中心点として選択されたXの数の均一な分布から濃縮することができます。出力接続重みに隠れ層を使用します。
   
   異なる活性化関数を選択する必要があり、最も一般的にガウス関数を使用：
   基本的な考え方：RBFネットワーク上の任意の曲線または表面または超曲面を近似することができます。この方法は、任意の曲線を正規分布の複数の重ね合わせとして表すことができることです。数は、正規分布の中心点の数です。
   RBFネットワークの学習は2つの段階に分かれています。
   1. 隠れ層の中心を決定します。クラスタ中心を見つけるために、数回の反復の後、K-手段のアルゴリズムを使用して、XがNです。詳細な記録は、ここで、K-meansアルゴリズムを見ていません。
      ガウスラジアル基底関数の関数として選択した場合：
      
   2. 重量調整。ネットワークの共通の認識と同様に、重みを修正する方法Wは、以下の式を使用することができます
      
      tは反復回数、瑛太の学習率です。

2.以下は、MathWorks社のMATLABで実装RBFを与えます：

フィッティング関数を作成する放射基底関数ネットワークを使用してNewrb。21個のサンプル、入力Pの合計= -1：0.1：1、出力
T =（-0.9602 - 0.5770から0.0729 0.3771 0.6405 0.6600 0.4609 0.1336から0.2013
-0.4344 - 0.5 - 0.3930から0.1647 0.3449 0.1816 0.0988 0.3072 0.3960
-0.0312 - 0.2189 - 0.3201）

全てクリア;
P = -1：0.1 :. 1;
T = [ - 0.9602 -0.5770 -0.0729 -0.2013 0.1336 0.3771 0.6405 0.6600 0.4609 0.0988 0.3072 -0.1647 -0.4344 -0.5 -0.3930 -0.0312 -0.2189 -0.3201 0.1816 0.3960 0.3449];
EG平均二乗誤差= 0.002＃
SC = 1;＃伝播速度
NET = newrb（P、T、EG、SC）;
nEWRB、ニューロン＆= 0、MSE = 0.176192

X21 = -1：0.01：1。
A =シム（ネット、X21）。
プロット（P、T、 '+'、X21、A、 ' - '）。
タイトル（「トレーニングベクトル」）;

参考文献：
。財務情報p189-196 [1]林Jianzhong分析
。[2] http://www.cnblogs.com/zhangchaoyang/articles/2591663.html