GRNN与RBFNN的二元函数逼近性能对比研究

• 作者: 丁硕 巫庆辉 常晓恒
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 广义回归神经网络 径向基函数神经网络 二元函数 逼近 仿真
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 92-96
• 页数: 5页
• 分类号: TP183
• 字数: 2833字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2014.04.022

摘要

为了研究GRNN和RBFNN对于二元非线性函数的逼近能力,本文编程建立GRNN和RBFNN,并以具体的二元非线性函数为例,分别用2种神经网络对其进行逼近.仿真结果表明,相对于RBFNN而言,GRNN对于二元非线性函数的逼近精度更高、收敛速度更快,具有很好的逼近能力,为解决二元非线性函数的逼近问题提供了良好的解决手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	巫庆辉	渤海大学工学院	46	413	9.0	18.0
2	丁硕	渤海大学工学院	42	451	11.0	19.0
3	常晓恒	渤海大学工学院	34	306	8.0	16.0