| 利用人工神经网络实现函数逼近 |
| |
| 引用本文： | 王强,余岳峰,张浩炯. 利用人工神经网络实现函数逼近[J]. 计算机仿真, 2002, 19(5): 44-47 |
| |
| 作者姓名： | 王强 余岳峰 张浩炯 |
| |
| 作者单位： | 上海交通大学能源工程系,上海,200240 |
| |
| 摘 要： | 神经网络可以被用来计算复杂的输入与输出结果集之间的关系 ,因此神经网络具有强大的函数逼近功能。该文利用Cybenko理论论述了用一种单隐层的前馈神经网络模型在一定条件下可以逼近任何定义在C( [0 ,1] n)上的函数的问题 ,并给出了一个对一维非线性函数的仿真实例 ,取得了良好的效果。
|
| 关 键 词： | 函数逼近 人工神经网络 Matlab 建模与仿真 |
| 文章编号： | 1006-9348(2002)05-0044-04 |
| 修稿时间： | 2001-09-04 |
Function Approximation Using Artificial Nueral Networks |
| |
| Wang Qiang,Yu Yuefeng,Zhang Haojiong. Function Approximation Using Artificial Nueral Networks[J]. Computer Simulation, 2002, 19(5): 44-47 |
| |
| Authors: | Wang Qiang Yu Yuefeng Zhang Haojiong |
| |
| Abstract: | Neural networks can be used to compute the relationship between complicated inputs and outputs, so neural networks have the strong ability to approximate functions. This paper uses the Cybenko's theory to illustrate that single-hidden layer feedforward neural networks can approximate any function that is defined under certain conditions. This paper also gives the simulation example of modeling a nonlinear function and good result obtained. |
| |
| Keywords: | Function approximation Artificial neural network Matlab Modeling and simulation |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
