机器学习中知识动态获取在函数逼近中的探究

• 作者: 何成刚 张娟 张燕平 张站
• 来源期刊: 科技与创新
• 关键词: 函数逼近 BP神经网络 GRNN网络 误差极小
• 年，卷（期）: 2010,（27）
• 页码范围: 134-136
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.27.053

摘要

本文将机器学习中的知识动态获取体现在神经网络的方法中,从而研究神经网络的函数逼近方法,首先分析了神经网络在函数逼近中应用的相关理论,然后将BP神经网络应用于函数的逼近中并通过实验得到理想的效果.最后本文首次提出将GRNN(广义回归神经网络)运用于实际的函数逼近之中,得到了误差极小(接近于零)的完美逼近结果,并且通过实验验证了该神经网络训练速度快和非线性映射能力很强的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张站	安徽大学计算智能与信号处理教育部重点实验室	2	18	2.0	2.0
2	张娟	安徽大学计算智能与信号处理教育部重点实验室	36	89	5.0	8.0