rbf神经网络参数设置_隐含层节点数对RBF网络逼近的影响（06）

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