计算技术与自动化
計算技術與自動化
계산기술여자동화
COMPUTING TECHNOLOGY AND AUTOMATION
2007年
1期
9-13
,共5页
RBF神经网络%训练方法%函数逼近
RBF神經網絡%訓練方法%函數逼近
RBF신경망락%훈련방법%함수핍근
提出一种新型的广义RBF神经网络模型,将径向基输出权值改为权函数,采用高次函数取代线性加权.给出网络学习方法,并通过仿真分析研究隐单元宽度、权函数幂次等参数的选取对网络逼近精度以及训练时间的影响.结果表明,和传统的RBF神经网络相比,该网络具有良好的逼近能力和较快的计算速度,在系统辨识和控制中具有广阔的应用前景.
提齣一種新型的廣義RBF神經網絡模型,將徑嚮基輸齣權值改為權函數,採用高次函數取代線性加權.給齣網絡學習方法,併通過倣真分析研究隱單元寬度、權函數冪次等參數的選取對網絡逼近精度以及訓練時間的影響.結果錶明,和傳統的RBF神經網絡相比,該網絡具有良好的逼近能力和較快的計算速度,在繫統辨識和控製中具有廣闊的應用前景.
제출일충신형적엄의RBF신경망락모형,장경향기수출권치개위권함수,채용고차함수취대선성가권.급출망락학습방법,병통과방진분석연구은단원관도、권함수멱차등삼수적선취대망락핍근정도이급훈련시간적영향.결과표명,화전통적RBF신경망락상비,해망락구유량호적핍근능력화교쾌적계산속도,재계통변식화공제중구유엄활적응용전경.