#|回归预测 | MATLAB实现RBF径向基神经网络非线性函数回归回归预测|机器学习|神经网络

回归预测 | MATLAB实现RBF径向基神经网络多非线性函数回归 【#|回归预测 | MATLAB实现RBF径向基神经网络非线性函数回归】
目录

- 回归预测 | MATLAB实现RBF径向基神经网络多非线性函数回归
- - 基本介绍
  - 程序设计
  - 学习总结
  - 参考资料

基本介绍

RBF神将网络是一种三层神经网络，其包括输入层、隐层、输出层。从输入空间到隐层空间的变换是非线性的，而从隐层空间到输出层空间变换是线性的。

RBF网络的基本思想是：用RBF作为隐单元的“基”构成隐含层空间，这样就可以将输入矢量直接映射到隐空间，而不需要通过权连接。当RBF的中心点确定以后，这种映射关系也就确定了。而隐含层空间到输出空间的映射是线性的，即网络的输出是隐单元输出的线性加权和，此处的权即为网络可调参数。

其中，隐含层的作用是把向量从低维度的p映射到高维度的h，这样低维度线性不可分的情况到高维度就可以变得线性可分了，主要就是核函数的思想。

这样，网络由输入到输出的映射是非线性的，而网络输出对可调参数而言却又是线性的。网络的权就可由线性方程组直接解出，从而大大加快学习速度并避免局部极小问题。

程序设计