推荐文档列表

几种用于非线性函数逼近的神经网络方法研究

时间:2021-12-10 12:09:16 数理化学论文 我要投稿

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.

几种用于非线性函数逼近的神经网络方法研究

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