资源描述：
《基于人工神经网络的压力传感器的温度补偿答辩三四章.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第三章基于RBF神经网络的压力传感器温度补偿3.1径向基函数神经网络（RBF）3.2概率神经网络3.3数据处理与分析3.1径向基函数神经网络（RBF）历史RBF思想3.1.1概述多变量插值的径向基函数（RadicalBasisFunction,RBF）——Powell（1985）RBF神经网络，属于前向神经网络类型，它能够以任意精度逼近任意连续函数，特别适合于解决分类问题——Moody，Darken（1988）welcometousethesePowerPointtemplates,NewContentdesign,10yearsexperience3.1.1概
2、述RBF网络的结构与多层前向网络类似，它是一种三层前向网络：第一层输入层由信号源结点组成；第二层为隐含层，隐单元的变换函数RBF是对中心点径向对称且衰减的非负非线性函数；welcometousethesePowerPointtemplates,NewContentdesign,10yearsexperience3.1.1概述第三层为输出层，它对输入模式的作用作出响应。从输入层空间到隐含层空间的变换是非线性的，而从隐含层空间到输出层空间的变换是线性的。神经元RBF模型3.1.2径向基函数神经网络（RBF）模型多变量插值的径向基函数（RadicalBasisFunc
3、tion,RBF）——Powell（1985）RBF神经网络，属于前向神经网络类型，它能够以任意精度逼近任意连续函数，特别适合于解决分类问题——Moody，Darken（1988）welcometousethesePowerPointtemplates,NewContentdesign,10yearsexperience3.1.2RBF模型径向基神经网络的激活函数采用径向基函数，通常定义为空间任一点到某一中心之间欧氏距离的单调函数。径向基神经网络的神经元结构如下图所示。welcometousethesePowerPointtemplates,NewContent
4、design,10yearsexperience3.1.2RBF模型径向基神经元模型：welcometousethesePowerPointtemplates,NewContentdesign,10yearsexperience3.1.2RBF模型由输入层、隐含层和输出层构成的一般径向基神经网络结构如图所示：方差隐含层输出层3.1.3径向基函数神经网络的学习算法RBF神经网络学习算法需要求解的参数有3个：基函数的中心、方差以及隐含层到输出层的权值。根据径向基函数中心选取方法的不同，RBF网络有多种学习方法，如随机选取中心法、自组织选取中心法、有监督选取中心法和正
5、交最小二乘法等。3.2概率神经网络概率激活函数贝叶斯3.2.1概述概率神经网络是由Specht博士在1988年提出的，它与统计信号处理的许多概念有着紧密的联系。最终得到的网络在结构上类似于反向传播网络，其主要区别在于以统计方法推到的激活函数代替S型激活函数。welcometousethesePowerPointtemplates,NewContentdesign,10yearsexperience3.2.1概述为了了解概率神经网络的基础，通常从贝叶斯判定策略以及概率密度函数的非参数估计开始，讨论这种统计方法如何映射到前馈神经网络结构。welcometouseth
6、esePowerPointtemplates,NewContentdesign,10yearsexperience3.2.1概述许多研究表明，概率神经网络具有如下特性：首先是训练容易，收敛速度快，从而非常适用于实时处理；第二点是可以完成任意的非线性变换，所形成的判决曲面与贝叶斯最优准则下的曲面相接近；welcometousethesePowerPointtemplates,NewContentdesign,10yearsexperience3.2.1概述第三点是具有很强的容错性；第四是模式层的传递函数可以选用各种用来估计概率密度的核函数，并且，分类结果对核函数的
7、形式不敏感；最后一点是各层神经元的数目比较固定，因而易于硬件实现。这种网络已较广泛地应用于非线性滤波、模式分类、联想记忆和概率密度估计当中。welcometousethesePowerPointtemplates,NewContentdesign,10yearsexperience3.2.2贝叶斯定理贝叶斯统计在理论上的进展以及它在应用上的方便和效益，使其观点被许多人了解，并对一些统计学者产生吸引力。如今在概率、数理统计学中以贝叶斯姓氏命名的有贝叶斯公式、贝叶斯风险、贝叶斯决策函数、贝叶斯决策规则、贝叶斯估计量、贝叶斯方法、贝叶斯统计等。welcometouse
8、thesePowerPo
