基于径向基函数神经网络的插值及其应用  

Applications of Radial Basis Function Neural Networks in Interpolation

作　　者：田蓓艺[1] 胡勇 

机构地区：[1]南京晓庄学院数学系,江苏南京210017 [2]南京师范大学数学与计算机科学学院,江苏南京210097

出　　处：《南京晓庄学院学报》2002年第4期56-60,共5页Journal of Nanjing Xiaozhuang University

摘　　要：针对径向基函数 (RBF)神经网络的特点 ,对插值问题 ,采用RBF神经网络进行求解。并通过增加神经元的输入和输出来拓展应用范围 ,文中讨论了在对一个实际问题建立数学模型中的应用 ,从应用的结果看 ,比传统插值方法更方便 ,具有较好的使用价值 ,并且可以很容易地推广到求解高维数据插值问题之中。Radial basis function (RBF) neural network is applied in interpolation .RBF can develop application scopes by increasing inputs and outputs of neurons .The experimental results show that the RBF neural network is suitable for solving the problem of data interpolation, and is more efficient than traditional methods. Furthermore, it can be easily generalized to solve the scattered data interpolation problem in higher dimensions.

关 键 词：神经网络 径向基函数 插值 

分 类 号：O24[理学—计算数学]