GRNN与BPNN的函数逼近性能对比研究

摘要：

为了研究GRNN和BPNN非线性函数的逼近能力，从数学角度详细阐述了GRNN和基于LM优化算法改进的BPNN的学习过程，编程建立了GRNN和BPNN，并分别用两种神经网络对指定的非线性函数进行逼近实验。仿真结果表明，在训练样本数量相等且中小规模网络的条件下，相对于BPNN而言，GRNN的逼近精度更高、收敛速度更快，具有很好的逼近能力，为解决非线性函数的逼近问题提供了良好的解决手段。

关键词：广义回归神经网络、反向传播神经网络、函数逼近、逼近能力对比、仿真

分类号：TN711-34;TP183(基本电子电路)

资助基金：国家自然科学基金61104071；辽宁省教育厅科学研究一般项目L2012402

在线出版日期：2014-04-15（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：114-117