电子测试
電子測試
전자측시
ELECTRONIC TEST
2014年
7期
41-43
,共3页
丁硕%常晓恒%巫庆辉
丁碩%常曉恆%巫慶輝
정석%상효항%무경휘
RBF神经网络%BP神经网络%模式分类%收敛速度
RBF神經網絡%BP神經網絡%模式分類%收斂速度
RBF신경망락%BP신경망락%모식분류%수렴속도
RBF neural networks%BP neural networks%pattern classification%convergence speed
本文分别构建了基于RBFNN的分类模型和基于标准BPNN的分类模型，并以二维向量的模式分类为例，对所建立的2种模型进行泛化能力测试。仿真结果表明，RBFNN模型比BPNN模型具有更高的分类精度，更快的收敛速度，更适合于解决模式分类问题。
本文分彆構建瞭基于RBFNN的分類模型和基于標準BPNN的分類模型，併以二維嚮量的模式分類為例，對所建立的2種模型進行汎化能力測試。倣真結果錶明，RBFNN模型比BPNN模型具有更高的分類精度，更快的收斂速度，更適閤于解決模式分類問題。
본문분별구건료기우RBFNN적분류모형화기우표준BPNN적분류모형，병이이유향량적모식분류위례，대소건립적2충모형진행범화능력측시。방진결과표명，RBFNN모형비BPNN모형구유경고적분류정도，경쾌적수렴속도，경괄합우해결모식분류문제。
Two classification models based on Elman neural network and standard BPNN are established respectively in this paper.The classification of two dimensional vectors on a plane is taken as an example to test their generalization abilities.The simulation results show that Elman neural network has higher classification accuracy and faster convergence speed than BPNN. And it is more suitable for solving the problem of pattern classification.
