利用Gaussian型RBF网络进行函数逼近的构造性估计

• 作者: 丁运亮 熊仲宇 许志兴
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: 人工神经网络 逼近 径向基函数 高斯函数 隐层单元数
• 年，卷（期）: 2001,（3）
• 页码范围: 217-220
• 页数: 4页
• 分类号: TP18|TP11
• 字数: 2755字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-2615.2001.03.003

摘要

前馈人工神经网络有着极其广泛的应用，如何估计隐层神经元数及相应的逼近误差，一直是确定前馈网络结构的难点和关键。RBF网络是一种最重要的前馈神经网络，本文给出了利用Gaussian型RBF网络逼近连续函数或Lebesgue-可积函数时的构造性的隐层单元数显式估算式及相应的显式逼近误差估算式。文中的结论也易于推广到离散样本的情形。这些结论对于提高Guassian型RBF在实际应用时的计算精度和减少计算量具有一定的指导意义。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁运亮	南京航空航天大学航空宇航学院	51	1051	17.0	31.0
2	许志兴	南京航空航天大学航空宇航学院	8	142	6.0	8.0
3	熊仲宇	南京航空航天大学航空宇航学院	4	43	4.0	4.0