新型广义径向基函数神经网络结构研究  

Study on new type of radial basis function neural network

作　　者：党开放[1] 杨利彪[1] 戴莺莺[1] 林廷圻[2] 

机构地区：[1]北京化工大学机电工程学院,北京100029 [2]西安交通大学机械工程学院,陕西西安710049

出　　处：《计算机工程与设计》2007年第12期2911-2913,共3页Computer Engineering and Design

基　　金：北京化工大学青年教师自然科学基金项目(QN0408)

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。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.

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 

分 类 号：TP271[自动化与计算机技术—检测技术与自动化装置]