GRNN与BPNN的函数逼近性能对比研究

• 作者: 丁硕 巫庆辉 常晓恒
• 来源期刊: 现代电子技术
• 关键词: 广义回归神经网络 反向传播神经网络 函数逼近 逼近能力对比 仿真
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 测试?测量?自动化
• 页码范围: 114-117
• 页数: 4页
• 分类号: TN711-34|TP183
• 语种: 中文

摘要

为了研究GRNN和BPNN非线性函数的逼近能力，从数学角度详细阐述了GRNN和基于LM优化算法改进的BPNN的学习过程，编程建立了GRNN和BPNN，并分别用两种神经网络对指定的非线性函数进行逼近实验。仿真结果表明，在训练样本数量相等且中小规模网络的条件下，相对于BPNN而言，GRNN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