论文部分内容阅读
剖析了RBF神经网络基本算法的原理以及激励函数参量与隐层单元数量按经验选取所带来的问题．基于RBF神经网络结构，以网络的权阂值为设计变量，网络误差为目标函数，通过合理的动态变量排序，构建了一种RBF神经网络的新的高精度算法，并编制计算程序．与RBF网络基本算法相比，这种算法是以权阈值为未知变量的真实优化过程，实现了RBF神经网络的高精度计算．从方程论理论出发，给出了网络隐层结构的合理确定方法．通过实例的程序分析，表明了该优化算法具有较高的样本拟合与插值精度，为进一步理论研究与工程应用提供基础．