10.3969/j.issn.1004-373X.2003.15.014
一种新型径向基函数神经网络的非线性系统逼近
讨论了一种新的、正弦型径向基函数(SRBF)神经网络,并用来逼近n维连续函数.该SRBF所采用的n维正弦型的基函数是光滑的,并且是致密的.该SRBF网络的权因子是输入的低阶多项式函数.本文给出的一种简单计算程序,显著地降低了网络训练和计算时间.并且由于SRBF的基函数可以非均匀的量化格点为中心,因而降低了网络所需存储的样本数,网络的输出及其一阶导数都是连续的.对于非线性系统,该SRBF网络在系统定义域内的逼近是精确的,并且在存储参数的个数上是最优的.通过实例仿真,证明该方法步骤简单,训练速度快,精度也很理想.
正弦型径向基函数(SRBF)、函数逼近、非线性系统、神经网络
TP183(自动化基础理论)
2004-01-02(万方平台首次上网日期,不代表论文的发表时间)
共4页
38-41