几种用于非线性函数逼近的神经网络方法研究

• 作者: 刘全喜 吴志红 黄忠明
• 来源期刊: 兵工自动化
• 学科: 工学
• 关键词: 函数逼近 神经网络 建模与仿真 性能分析
• 年，卷（期）: 2009,（10）
• 所属期刊栏目: 软件开发与应用
• 页码范围: 88-92
• 页数: 5页
• 分类号: O174.41|TP182
• 字数: 2394字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1576.2009.10.029

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴志红	四川大学计算机学院	45	209	8.0	12.0
2	刘全喜		17	84	5.0	8.0
3	黄忠明	四川大学计算机学院	1	29	1.0	1.0