rbf神经网络在java中如何实现原代码

rbf神经网络有多种学习策略，首先选取中心，可以随机选，也可采用K均值聚类，然后学习权值，可采用伪逆法（涉及矩阵的奇异值分解），也可以采用最小均方误差法，或者进化算法，上述方法中心是固定的，也可采用梯度下降法同时学习中心、宽度、权值，这个比较复杂。具体参考《神经网络原理》。

你用Java写可以参考Weka，其完全开源，不过我没有看过源码，不知其用何种学习策略。最近用C++写了一个简单的rbf，即固定中心、最小均方误差法学习权值，但我发现采用K均值聚类选中心跟随机选没有什么区别，不知二者有何区别？自己写伪逆法对于我来说基本不可能，及其复杂，我看到过某人写了个天书般的程序，一个函数500行。

希望对你有帮助，如果你有新发现，欢迎与我探讨，国内估计没多少人真正自己写过RBF，都用MATLAB代入了事。

世界神经网络控制器有导师指导下的学习关键是什么

智能控制问答题终极版

1、执行器是系统的输出，对外界对象发生作用。

2、传感器产生智能系统的输入，传感器用来监测外部环境和系统本身的状态。传感器向感知信息处理单元提供输入。

3、感知信息处理，将传感器得到的原始信息加以处理，并与内部环境模型产生的期望信息进行比较。

4、认知主要用来接收和存储信息、知识、经验和数据，并对他们进行分析、推理作出行动的决策，送至规划和控制部分。

5、通信接口除建立人机之间的联系外，还建立系统各模块之间的联系。

第 1 页

「骄阳科技」优秀展厅智能控制公司_展厅创意免费咨询-

最近16分钟前有人申请相关服务

展厅智能控制，专注中高端展厅设计，设备先进，设计前沿，科技感强三维互动系统，360度全息成像，数字沙盘，VR互动。

点击立即咨询，了解更多详情

咨询

深圳骄阳视觉创意科 广告

6、规划和控制是整个系统的核心，它根据给定的任务要求，反馈的信息，以及经验知识，进行自动搜索，推理决策，动作规划，最终产生具体的控制作用。1-2 智能控制系统的特点是什么？答：

1、智能控制系统一般具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程。

2、智能控制器具有分层信息处理和决策机构。

3、智能控制器具有非线性和变结构特点。

4、智能控制器具有多目标优化能力。

5、智能控制器能够在复杂环境下学习。从功能和行为上分析，智能控制系统应具备以下一条或几条功能特点：

1、自适应功能

第 2 页

2、自学习功能

3、自组织功能

4、自诊断功能

5、自修复功能1-3 智能控制与传统控制相比较有什么不同？在什么场合下应该选用智能控制策略？答：（1）不同点：

1、涉及的范围：智能控制的范围包括了传统控制的范围。有微分/差分方程描述的系统；有混合系统（离散和连续系统混合、符号和数值系统混合、数字和模拟系统混合）。

2、控制的目标：智能的目标寻求在巨大的不确定环境中，获得整体的优化。因此，智能控制要考虑：故障诊断、系统重构、自组织、自学习能力、多重目标。

第 3 页

3、系统的结构：控制对象和控制系统的结合。（2）在什么场合下应该选用智能控制策略。说法一：主要针对控制对象及其环境、目标和任务的不确定性和复杂性的系统。

说法二：主要针对无法获得精确的数学模型、无法解决建模问题、假设条件与实际不相吻合的系统。2-11 模糊逻辑控制器由哪几部分组成？各完成什么功能？答：（1）组成：输入量模糊化接口、知识库（数据库和规则库）、推理机、输出解模糊接口四部分。（2）功能：

1、模糊化接口测量输入变量和受控系统的输出变量，并把它们映射到一个合适的响应论域的量程，然后精确的输入数据被变换为适当的语言值或模糊集合的标示符。

2、知识库涉及应用领域和控制目标的相关知识，

第 4 页

它由数据库和语言控制规则库组成。数据库为语言控制规则的论域离散化和隶属函数提供必要的定义。语言控制规则标记控制目标和领域专家的控制策略。

3、推理机是模糊控制系统的核心，以模糊概念为基础，模糊控制信息可以通过模糊蕴涵和模糊逻辑的推理规则来获取，并可以实现拟人决策过程。根据模糊输入和模糊控制规则，模糊推理求解模糊关系方程，获取模糊输出。

4、模糊决策接口起到模糊控制的推断作用，并产生一个精确的或非模糊的控制作用。此精确控制作用必须进行逆定标，这一作用是在对受控过程进行控制之前通过量程变换实现的。模糊控制器的结构组成和作用：

一、模糊化接口测量输入变量和受控系统的输

第 5 页

出变量，并把它们映射到一个合适的响应论域的量程。

二、知识库为语言控制规则的论域离散化和隶属函数提供必要的定义。

三、推理机根据模糊输入和模糊控制规则，模糊推理求解模糊关系方程，获得模糊输出。

四、模糊判决接口起到模糊控制的推断作用，并产生一个精确的或非模糊的控制作用。2-12 模糊逻辑控制器常规设计的步骤怎样？应该注意哪些问题？答：（1）原则性步骤：

1、定义输入输出变量

2、定义所有变量的模糊化条件

3、设计控制规则库

4、设计模糊推理机构

第 6 页

5、选择精确化策略的方法（2）常规设计方法：查表法。

步骤：

1、确定模糊控制器的输入输出变量

2、确定各输入输出变化量的变化范围、量化等级和量化因子

3、在各输入输出语言变量的量化域内定义模糊子集

4、模糊控制规则确定

5、求模糊控制表（3）注意的问题：

1、在定义输入和输出变量时，要考虑到软件实现的限制，一般用于小于10个输入变量时，软件推理还能应付，但当输入变量的数目再增加

第 7 页

时，就要考虑采用专用模糊逻辑推理集成芯片。

2、确定模糊控制规则的原则是必须保证控制器的输出能够使系统输出响应的动静态特性达到最佳。补充1 模糊集合：定义实际上是将经典集合论中的特征函数表示扩展到用隶属度函数来表示。补充2 隶属度函数：模糊集合的特征函数，实质上反映的事物的渐变性。3-1 神经元的种类有多少？它们的函数关系如何？

答：四种（1）阈值型（2）分段线性型（3） Sigmoid函数型（4）Tan函数型3-3 神经网络按连接方式分有哪几类，按功能分有哪几类？按学习方式分又有哪几类？答：（1）神经网络按连接方式分：

1、前向网络

第 8 页

2、反馈网络

3、相互结合型网络

4、混合型网络。（2）神经网络按功能分有哪几类？

前向神经网络模型、动态神经网络模型、CMAC神经网络、RBF 神经网络模型。（3）神经网络按按学习方式分又有哪几类？

答：有导师学习（相关学习、纠错学习）和无导师学习。3-7 神经网络控制系统的结构有哪几种？在设计神经控制系统时如何选择最佳的控制结构？答：（1）结构：

1、导师指导下的控制器

2、逆控制器

3、自适应网络控制器

第 9 页

4、前馈控制结构

5、自适应评价网络

6、混合控制系统。（2）在设计神经网络控制系统时如何选择最佳的控制结构。

不管采用何种神经网络控制结构，要真正实现神经网络智能控制的目的，必须具备一种有效的学习机制来保证神经控制器的

自学习、自适应功能，达到真实意义上的智能控制。补充3 遗传学习算法的几个步骤：

1、群体的初始化

2、评价群体的每一个体的性能

3、选择下一代个体

4、执行简单的 *** 作算子（变异、交叉）

第 10 页

5、评价下一代群体的性能

6、判断终止条件满足否？若否，则转3继续；若满足，则结束。补充4 完成遗传学习算法，必须首先解决以下几个部分的选择问题：

1、编码机制

2、选择机制

3、控制参数选择

4、二进制字符串的群体构成

5、适应度函数计算

6、遗传算子（变异、交叉）的定义。3-8 实现神经控制器有导师学习的关键是什么？答：导师指导下的控制器：为了实现某一控制功能，教会神经网络控制器模拟人做同样一件任

第 11 页

务的 *** 作行为。神经网络控制结构的学习样本直接取自于专家的控制经验。神经网络的输入信号来自传感器的信息和命令信号。神经网络的输出是系统的控制信号。一旦神经网络的训练达到了能够充