幾種用于非線性函數逼近的神經網絡方法研究

采用一個較小的學習率,在都滿足相同誤差指標的情況下,通過應用幾種比較有代表性的BP網絡,RBF網絡和Elman網絡逼近一非線性函數,得出各種不同的網絡結構和訓練算法對逼近結果的影響.L-M算法訓練所需時間少,逼近精度較高.彈性BP算法的前向網絡能消除梯度幅度的不利影響.變梯度SCG算法不需在迭代中進行線性搜索,從而避免搜索方向計算的耗時問題.徑向基函數網絡對于輸入信號具有很好的局部逼近能力,對反饋型Elman網絡而言,雖然其逼近效果也能滿足誤差指標的要求,但其訓練所需的步數和時間卻很長.

作 者： 黃忠明 吳志紅 劉全喜 HUANG Zhong-ming WU Zhi-hong LIU Quan-xi   作者單位： 黃忠明,吳志紅,HUANG Zhong-ming,WU Zhi-hong(四川大學,計算機學院,四川,成都,610065)

劉全喜,LIU Quan-xi(西南技術物理研究所,四川,成都,610064) 

刊 名： 兵工自動化  ISTIC 英文刊名： ORDNANCE INDUSTRY AUTOMATION  年，卷(期)： 2009 28(10)  分類號： O174.41 TP182  關鍵詞： 函數逼近   神經網絡   建模與仿真   性能分析  

【幾種用于非線性函數逼近的神經網絡方法研究】相關文章：

基于小波神經網絡的煤層底板突水非線性預測方法研究04-25

非線性最優奇異控制問題的擬合逼近04-27

基于神經網絡的非線性結構有限元模型修正研究04-27

一類非線性Jerk方程的解析逼近解04-27

幾種瀝青路面設計方法研究04-26

修正的Baskakov-Beta算子對有界變差函數的逼近04-26

基于小波神經網絡的非線性系統工程安全性評價研究04-26

基于LMBP神經網絡的慣性器件故障預報方法研究04-26

用于月球軟著陸最優軌跡跟蹤制導過程的模糊神經網絡控制方法04-27

模糊神經網絡方法在熱帶氣旋強度預報中的應用研究04-26