非线性函数的自适应分区多神经网络学习及仿真实验

摘要：

根据BP神经网络学习非线性函数的精度与所学函数的区问大小及变化率等有关,提出了一种非线性函数的自适应分区多神经网络学习方法,这种方法根据学习精度的要求,自适应地把所学函数分成若干区间,分别用一个BP神经网络去学习,从而使学习精度大大提高.最后,给出了学习一维函数和多维函数的仿真实例,其结果表明分区学习的精度可提高10倍以上.

关键词：BP神经网络、学习、非线性函数、自适应分区、仿真

所属期刊栏目：29

分类号：TP183(自动化基础理论)

资助基金：江苏省教育厅自然科学基金2001XXTSJB111

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：145-146,257