電子發燒友網>電子資料下載>電子論文>數字信號處理論文>利用RBF神經網絡實現高斯型函數積分

利用RBF神經網絡實現高斯型函數積分

2077297 2009-03-29 | rar | 44 | 次下載 | 3積分

資料介紹

導出了在一定精度下高斯型函數積分近似表達式,利用徑向基函數(RBF) 網絡具有良好的
逼近任意非線性映射的特點,提出了一種改進的RBF 網絡方法以實現對高斯型函數積分。實驗結果表明所提出方法具有較高的逼近計算精度。
關鍵詞:徑向基函數;神經網絡;高斯函數;函數積分

在雷達檢測處理、通信調制方式的誤差分析等問題中,最終歸結為求解高斯型函數積分問題。由于高斯型函數積分不能用解析式表示,為此,本文首先導出了在一定精度下該函數積分的近似表達式,然后,利用RBF 具有良好的逼近任意非線性映射、處理系統內在難以解析表達的規律性能力和較快的學習收斂速度等特點[1～2 ] ,提出了利用徑向基函數(RBF) 神經網絡計算該積分的方法。另外,考慮到高斯型積分函數特點,對該方法進行了兩點改進,其一為利用積分函數的偶對稱特點,將訓練區間縮減一半以節省徑向基函數的學習時間。其二為利用積分函數為單調上升函數,且積分上限(下限為- ∞) 遠離0 值時輸出值趨向恒定值的特點,即兩個積分上限越遠離0 值時,積分輸出值之間的范數越小,從而在計算除訓練點外的其它上限的積分值時,RBF 網絡輸出與積分真值之間存在較大誤差。為克服此問題,本文提出了在RBF 進行訓練之前先對輸出值進行非線性映射的改進RBF 方法,以實現函數積分的精確逼近。最后,對所提方法進行了仿真,結果表明所提方法可得到較高的精度。