基于GRNN与BPNN的二维向量模式分类对比研究

摘要：

为了研究广义回归神经网络(GRNN)和标准BP神经网络(BPNN)在解决二维向量的模式分类问题时的性能差异,分别构建了GRNN分类模型和标准BPNN分类模型,详细阐述了2种分类模型的建立方法,并对所建立的2种分类模型进行训练和泛化能力测试.仿真结果表明,GRNN模型的人为调节参数少,构建方法简单,不易陷入局部极小值,在解决相同的二维向量模式分类问题时,GRNN模型比BPNN模型具有更高的分类精度、更快的收敛速度、更适合于解决二维向量的模式分类问题.

关键词：广义回归神经网络、BP神经网络、二维向量、模式分类、收敛速度、泛化能力

所属期刊栏目：33

分类号：TP391.9;TN710.9(计算技术、计算机技术)

资助基金：国家自然科学基金61104071

在线出版日期：2014-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：56-58,79