径向基函数神经网络进行异或分类，首先在4个象限随机生训练数据，然后进行FCM聚类，取4个隐层神经元代表分成4类，最后通过伪逆求出输出层神经元权重，输出通过0和1区分
2021-06-18 16:47:07
2KB
1
径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是Φ（x）=Φ(‖x‖),或者还可以是到任意一点c的距离，c点称为中心点，也就是Φ（x，c）=Φ(‖x-c‖)。任意一个满足Φ（x）=Φ(‖x‖)特性的函数Φ都叫做径向基函数，标准的一般使用欧氏距离（也叫做欧式径向基函数），尽管其他距离函数也是可以的。在神经网络结构中，可以作为全连接层和ReLU层的主要函数。
2021-06-18 16:44:39
14KB
1
RBF神经网络一共分为三层，第一层为输入层即Input Layer，由信号源节点组成；第二层为隐藏层即图中中间的黄球，隐藏层中神经元的变换函数即径向基函数是对中心点径向对称且衰减的非负线性函数，该函数是局部响应函数。因为是局部相应函数，所以一般要根据具体问题设置相应的隐藏层神经元个数；第三层为输出层，是对输入模式做出的响应，输出层是对线性权进行调整，采用的是线性优化策略，因而学习速度较快。
2021-05-29 16:44:58
690B
1
为了提高矿井火灾探测器对环境的适应力和抗干扰能力,采用逼近能力、分类能力和学习速度等方面优于BP网络的径向基函数神经网络,在MATLAB环境下构建火灾探测仿真模型,以温度、烟雾浓度、CO气体浓度作为输入,进行多信息数据融合,达到矿井火灾探测目的。仿真结果表明,该方法对明火、阴燃火和无火概率的识别误差均小于5%,可大幅降低火灾报警的漏报和误报率。模糊系统和神经网络相结合的手段,能有效监测矿井火灾的产生,对于智能火灾报警系统研究具有参考价值。
2021-04-06 08:36:00
174KB
1
RBF网络
无需外部程序包的径向基函数网络的Python实现
结果
2021-04-05 12:06:00
23KB
1
在采用液压挖掘机改造的遥操作机器人双向伺服控制系统中，针对大臂和前臂两个自由度构建力反馈控制算法。以准确地获取从端机器人与环境的作用力，使反馈力能够更好地反映从端工作状况为目的，采用构建干扰力补偿项的方法消除干扰力对反馈力的影响；以机器人转角为输入，以空载时检测到的液压缸作用力为输出，通过径向基函数构建干扰力补偿项,此补偿项可对多种因机器人的机械本体动力学特性产生的干扰力之合力进行补偿。实验证明，在以液压机构为从手的双向力反馈系统中，通过构建干扰力补偿项的方法提高力反馈效果的方法是可行的，采用的带有干扰力
2021-04-03 13:06:11
436KB
1