非线性函数逼近的几类神经网络方法比较研究  

Comparative Study on Several Classes of Neural Network Methods for Nonlinear Function Approximation

作　　者：张敏[1] 徐启华[1,2] 丁博[1] 

机构地区：[1]中国矿业大学信息与电气工程学院,江苏徐州221111 [2]淮海工学院电子工程学院,江苏连云港222005

出　　处：《淮海工学院学报（自然科学版）》2015年第2期27-31,共5页Journal of Huaihai Institute of Technology:Natural Sciences Edition

基　　金：连云港市工业攻关项目(CG2113)

摘　　要：Matlab中神经网络作为数据处理的一种有效方法已经被广泛研究,其中基于神经网络实现函数逼近是其处理数据的具体应用之一.在相同误差指标和目标参数的情况下,通过应用具有代表性的BP,RBF和Elman网络以及小波神经网络逼近非线性函数.仿真结果表明,不同的网络结构和训练算法对逼近结果影响是不同的,且每种方法在恰当的应用条件下都能实现理想效果.所以在实际工程应用中具有指导意义,只要合理分析实际数据,就可选择有效的神经网络方法解决实际问题.In the Matlab,neural network as an effective method of data processing has been studied extensively.Function approximation based on neural network is one of the most intuitive applications on data processing.Under the same condition of error index and target parameters,this paper approximates the nonlinear function through the BP network,RBF network,Elman network and wavelet neural network.The simulation results show that different network structures and training algorithm have different impacts on the results,and each method can achieve the ideal effect under the appropriate application,which can guide the practical engineering.As long as analyzing the actual data reasonably,an effective method can be chosen to solve practical problems.

关 键 词：神经网络 函数逼近 数据处理 MATLAB 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]