|
|||||
|
|
| 基于多维离散傅立叶变换的神经网络用于数据逼近和泛？… | |
| 作者姓名： | 张艳霞 林世雄 |
| 作者单位： | [1]复旦大学计算机科学系 [2]上海航天局第八设计部 |
| 摘 要： | 文章在一种基于多维离散傅立叶变换原理的前馈神经网络模型的基础上，提出了一个适用于高精度逼近和泛化建模的神经网络。它可用来逼近任何连续函数，且逼近精度高，泛化能力强，学习速度快。计算机模拟实验结果显示了该网络较好地利用了离散傅立叶变换在结构和性能上的优点，在天线罩视线误差校正建模研究上很好的效果。 |
| 关 键 词： | 离散傅立叶变换 神经网络 泛化建模 数据逼近 |
| 本文献已被 维普 等数据库收录！ | |