利用人工神经网络实现函数逼近

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。