几种用于非线性函数逼近的神经网络方法研究

几种用于非线性函数逼近的神经网络方法研究

采用一个较小的学习率,在都满足相同误差指标的情况下,通过应用几种比较有代表性的BP网络,RBF网络和Elman网络逼近一非线性函数,得出各种不同的网络结构和训练算法对逼近结果的影响.L-M算法训练所需时间少,逼近精度较高.弹性BP算法的前向网络能消除梯度幅度的不利影响.变梯度SCG算法不需在迭代中进行线性搜索,从而避免搜索方向计算的耗时问题.径向基函数网络对于输入信号具有很好的局部逼近能力,对反馈型Elman网络而言,虽然其逼近效果也能满足误差指标的要求,但其训练所需的步数和时间却很长.

作 者： 黄忠明 吴志红 刘全喜 HUANG Zhong-ming WU Zhi-hong LIU Quan-xi   作者单位： 黄忠明,吴志红,HUANG Zhong-ming,WU Zhi-hong(四川大学,计算机学院,四川,成都,610065)

刘全喜,LIU Quan-xi(西南技术物理研究所,四川,成都,610064) 

刊 名： 兵工自动化  ISTIC 英文刊名： ORDNANCE INDUSTRY AUTOMATION  年，卷(期)： 2009 28(10)  分类号： O174.41 TP182  关键词： 函数逼近   神经网络   建模与仿真   性能分析  

【几种用于非线性函数逼近的神经网络方法研究】相关文章：

基于小波神经网络的煤层底板突水非线性预测方法研究04-25

非线性最优奇异控制问题的拟合逼近04-27

基于神经网络的非线性结构有限元模型修正研究04-27

一类非线性Jerk方程的解析逼近解04-27

几种沥青路面设计方法研究04-26

修正的Baskakov-Beta算子对有界变差函数的逼近04-26

基于小波神经网络的非线性系统工程安全性评价研究04-26

基于LMBP神经网络的惯性器件故障预报方法研究04-26

用于月球软着陆最优轨迹跟踪制导过程的模糊神经网络控制方法04-27

模糊神经网络方法在热带气旋强度预报中的应用研究04-26