RBF 神經(jīng)網(wǎng)絡

　　徑向基麗數(shù)（Radial Basis Function，RBF ）神經(jīng)網(wǎng)絡是由J.Moody 和C.Darken 在20世紀80 年代末提出的一種神經(jīng)網(wǎng)絡，它是具有單隱層的三層前饋網(wǎng)絡。RBF 網(wǎng)絡模擬了人腦中局部調整、相互覆蓋接收域（或稱感受野，Receptive Field ）的神經(jīng)網(wǎng)絡結構，已證明

　　RBF 網(wǎng)絡能任意精度逼近任意連續(xù)函數(shù)。RBF 網(wǎng)絡的學習過程與BP 網(wǎng)絡的學習過程類似，兩者的主要區(qū)別在于各使用不同的作用函數(shù)。BP 網(wǎng)絡中隱含層使用的是Sigmoid 函數(shù)，其值在輸人空間中無限大的范圍內為非零值，因而是一種全局逼近的神經(jīng)網(wǎng)絡;而RBF 網(wǎng)絡中的作用函數(shù)是高斯基函數(shù)，其值在輸人空間中有限范圍內為非零值，因而RBF 網(wǎng)絡是局部逼近的神經(jīng)網(wǎng)絡。

　　理論上，三層以上的BP 網(wǎng)絡能夠逼近任何一個非線性函數(shù)，但由于BP 網(wǎng)絡是全局逼近網(wǎng)絡，每一次樣本學習都要重新調整網(wǎng)絡的所有權值，收斂速度慢，易于陷人局部極小，很難滿足控制系統(tǒng)的高度實時性要求。RBF 網(wǎng)絡是一種三層前向網(wǎng)絡，由輸人到輸出的映射是非線性的，而隱含層空間到輸出空間的映射是線性的，而且RBF 網(wǎng)絡是局部逼近的神經(jīng)網(wǎng)絡，因而采用RBF 網(wǎng)絡可大大加快學習速度并避免局部極小問題，適合于實時控制的要求。采用RBF 網(wǎng)絡構成神經(jīng)網(wǎng)絡控制方案，可有效提高系統(tǒng)的精度、魯棒性和自適應性。