基于RBF神经网络脉冲熔化极惰性气体保护焊抗拉强度预测.pdf

学兔兔 学兔兔 。 熔焊工艺及应用专题 r蜉掳 及其在焊接接头力学性能预测方面的应用与各 自特点 xp( ) (1) 详见文献 [2—3]。 式中：()是第 个 RBF节点输出；cj和 分别是第 (2)确定网络隐层与输出层的权值，一般采用梯度 个RBF节点的中心值和扩展常数。 法或最小二乘法进行训练，还可以采用伪逆法，也称为 精确的RBF神经网络 。 2 利用 matlab建立 RBF神经网络模型 三c 醐 厘 Matlab是当前最为流行的、功能强大的数学建模 与科学计算软件，其软件强大函数库及其神经网络工 具箱为实现人工神经 网络建模提供 了便利。Mat— lab2012a神经网络工具箱中提供了两种 RBF神经网络 0 c 设计与训练函数，分别是 newrb()和 newrbe()，其中 输入 向量 newrb()是一般的RBF神经网络，而 newrbe()是指精 图2 高斯基函数 确的RBF神经网络。 第 3层是输出层。该层是线性单元，实现网络输 newrb()函数的调用形式为： 出，如式 (2)表示。 [net，tr]=newrb(P，T，goal，spread，MN，DF) (3) m 式中：P和 为输入、输出样本向量，goal为网络 目标误 Y()=∑W ()+b (=1，2，3…，m)(2) 差；spread为扩展常数；MN为隐层神经元个数的最大 式中：Y是网络对于输入向量 的第k个输出；m为隐 值；DF为训练过程的显示频率。该函数利用迭代方法 节点数；w 是第 k个输出节点和第 个隐节点的连接 设计径向基函数网络，每迭代一次就增加一个神经元， 权 ；6是基。 直到误差平方和下降到 目标误差以下或神经元个数达 RBF神经网络的基本思想是：用径向基函数作为 到最大值时迭代停止。 隐单元的 “基”，构成隐含层空间，隐含层对输人矢量进 newrbe()函数的调用形式为： 行变换，将低维的模式输入数据变换到高维空间内，使 [net，tr]=newrbe(P，T，spread) (4) 得在低维空间内的线性不可分问题转换为在高维空间 式中：P和 为输入、输出样本向量；spread为扩展常数。 线性可分。 RBF神经网络的仿真 sim()函数。文中所涉及的 1．2 RBF神经网络的学习算法 基