基于 Gaussian 型 RBF 神经网络的一元函数逼近性能研究
丁硕
常晓恒
巫庆辉
1.渤海大学 工学院,辽宁 锦州,1210132.渤海大学 工学院,辽宁 锦州,1210133.渤海大学 工学院,辽宁 锦州,121013
摘要：为了研究Gaussian型RBF神经网络对于一元非线性函数的逼近能力，编程建立了Gaussian型RBF神经网络和BP神经网络，并以正弦函数、指数函数、阶跃函数三种典型的一元非线性函数为例，分别用两种神经网络对其进行逼近。仿真结果表明，相对于传统BP神经网络而言，Gaussian型RBF神经网络对于一元非线性函数的逼近精度更高、收敛速度更快，具有良好的逼近能力，为解决一元非线性函数的逼近问题提供了良好的解决手段。
关键词：Gaussian函数RBF神经网络BP神经网络函数逼近仿真
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(No61104071)
论文发表日期：2013-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 300-304 )
英文信息