Nonlinear System Identification using RBF Neural Network

资 源 简 介

Nonlinear System Identification using RBF Neural Network

详 情 说 明

RBF（径向基函数）神经网络是一种常用于非线性系统辨识的三层前馈网络。其核心思想是通过径向基函数的非线性变换，将输入空间映射到高维特征空间，从而实现对复杂非线性系统的建模。

网络结构包含输入层、隐含层和输出层。隐含层采用高斯函数等径向基函数作为激活函数，具有局部响应的特性。当输入靠近基函数中心时，神经元产生较大输出，这种局部特性使得RBF网络在函数逼近方面表现出色。

在网络训练过程中，通常采用两阶段学习策略：首先通过聚类算法确定隐含层节点的中心和宽度，然后采用最小二乘法计算输出层权值。这种分步训练方式相比BP网络具有更快的收敛速度。

RBF网络在非线性系统辨识中的优势主要体现在三个方面：能够任意精度逼近非线性函数；网络结构相对简单，训练过程容易控制；对初始权值不敏感，不易陷入局部极小值。这些特点使其特别适用于复杂工业过程的建模和控制。