基于广义回归神经网络(GRNN)的函数逼近

被引：20

作者：

徐富强 ^{[1
,2
]}

郑婷婷 ^{[2
]}

方葆青 ^{[3
]}

机构：

[1] 巢湖学院数学系

[2] 安徽大学数学科学学院

[3] 安庆职业技术学院

来源：

巢湖学院学报 | 2010年 / 12卷 / 06期

关键词：

神经网络; 径向基神经网络; BP网络; GRNN网络; spread; matlab;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

本文利用径向基网络的一种变化形式——广义回归神经网络(GRNN)提出了基于广义回归神经网络的函数逼近方法,利用matlab中的神经网络工具箱设计了GRNN模型,用于对非线性函数的逼近。通过网络的训练、测试达到了预期的效果,并与BP网络、RBF网络对比,说明GRNN网络的优势。

引用

页码：11 / 16

页数：6

共 7 条

[1] 基于径向基函数神经网络的函数逼近 [J].

刘君尧 ;

邱岚 .

大众科技, 2009, (09) :39+19-39

[2] 基于BP神经网络的函数逼近 [J].

刘君尧 ;

邱岚 .

福建电脑, 2009, 25 (08) :87-88

[3] 基于BP神经网络的函数逼近实验及MATLAB实现 [J].

曹旭帆 ;

叶舟 ;

万俊 ;

李晶 .

实验室研究与探索, 2008, (05) :34-38

[4] 基于GRNN神经网络的工件智能矫正算法 [J].

常永贵 ;

林颖 ;

李文举 ;

贺占蜀 ;

张建 .

起重运输机械, 2008, (02) :44-47

[5] 最小二乘算法在神经网络函数逼近方面的研究 [J].

朱艺 ;

孙丽英 ;

葛超 ;

张景春 .

山西电子技术, 2007, (05) :13-14

[6] 基于BP神经网络的函数逼近的MATLAB实现 [J].

冯蓉 ;

杨建华 .

榆林学院学报, 2007, (02) :20-22

[7] 一种基于傅里叶变换的RBF神经网络函数逼近方法 [J].

谢超 ;

高大启 .

计算机工程与科学, 2005, (02) :47-49+64

← 1 →