由高斯函数的表达式可见,逼近误差除了与高斯函数的中心点坐标cj和宽度参数bj有关,还与隐含层神经元节点数量有关。
实例:采用RBF网络对如下离散模型进行逼近:y(k)=u(k)^3+y(k-1)/[1+y(k-1)^2]。
参数设置如下:
动量因子:0.05;
学习率:0.3;
神经网络权值的初始值为:0;
RBF网络的输入为:u(k)=sint;y(k);
网络结构为:2-m-1(m为隐层节点数,为了表明隐含层节点数对网络逼近的影响分别取m=1、m=3、m=7);
高斯基函数的宽度参数为:bj=1.5;
高斯基函数的中心参数为:
对应m=1,cj=0;
对应m=3,cj=(1/3)*[-1, 0, 1]T;
对应m=7,cj=(1/9)*[-3, -2, -1, 0, 1, 2, 3;-3, -2, -1, 0, 1, 2, 3]T;
%% RBF逼近测试