| 新型广义径向基函数神经网络结构研究 |
| |
| 引用本文： | 党开放,杨利彪,戴莺莺,林廷圻. 新型广义径向基函数神经网络结构研究[J]. 计算机工程与设计, 2007, 28(12): 2911-2913 |
| |
| 作者姓名： | 党开放 杨利彪 戴莺莺 林廷圻 |
| |
| 作者单位： | 北京化工大学,机电工程学院,北京,100029;西安交通大学,机械工程学院,陕西,西安,710049 |
| |
| 基金项目： | 北京化工大学校科研和教改项目 |
| |
| 摘 要： | 提出了一种新型的广义径向基函数(RBF)神经网络,并研究了该网络的学习方法.不同于传统三层结构的RBF网络,广义RBF网络增加了基函数输出加权层,并在输出层采用超曲面去逼近任意的非线性曲面.实例仿真结果表明,与传统的RBF网络相比,该网络具有良好的逼近性能,收敛速度快,可逼近任意多变量非线性函数.
|
| 关 键 词： | 径向基函数神经网络 网络结构 学习方法 模式识别 仿真研究 |
| 文章编号： | 1000-7024（2007）12-2911-03 |
| 修稿时间： | 2006-05-26 |
Study on new type of radial basis function neural network |
| |
| DANG Kai-fang,YANG Li-biao,DAI Ying-ying,LIN Ting-qi. Study on new type of radial basis function neural network[J]. Computer Engineering and Design, 2007, 28(12): 2911-2913 |
| |
| Authors: | DANG Kai-fang YANG Li-biao DAI Ying-ying LIN Ting-qi |
| |
| Abstract: | A new type of general radial basis function neural network is proposed, and its training method is investigated. Unlike the traditional three-layer RBF network, the basis function output weight layer is added, and super curve is used to approximate any nonlinear curve surface. The simulation results of a function approximation show that compared with the traditional RBF neural network, this network has better approximation performance and faster convergence, and can approximate any multivariable non-linear functions. |
| |
| Keywords: | radial basis function neural network network structure learning method model identification simulation research |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
