一种新型的广义RBF神经网络及其训练方法

被引：8

作者：

党开放 ^{[1
]}

杨利彪 ^{[1
]}

林廷圻 ^{[2
]}

机构：

[1] 北京化工大学机电工程学院

[2] 西安交通大学机械工程学院

来源：

计算技术与自动化 | 2007年 / 01期

关键词：

RBF神经网络; 训练方法; 函数逼近;

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：

提出一种新型的广义RBF神经网络模型,将径向基输出权值改为权函数,采用高次函数取代线性加权。给出网络学习方法,并通过仿真分析研究隐单元宽度、权函数幂次等参数的选取对网络逼近精度以及训练时间的影响。结果表明,和传统的RBF神经网络相比,该网络具有良好的逼近能力和较快的计算速度,在系统辨识和控制中具有广阔的应用前景。

引用

页码：9 / 13

页数：5