一种新型径向基函数神经网络的非线性系统逼近

讨论了一种新的、正弦型径向基函数 (SRBF)神经网络 ,并用来逼近 n维连续函数。该 SRBF所采用的 n维正弦型的基函数是光滑的 ,并且是致密的。该 SRBF网络的权因子是输入的低阶多项式函数。本文给出的一种简单计算程序 ,显著地降低了网络训练和计算时间。并且由于 SRBF的基函数可以非均匀的量化格点为中心 ,因而降低了网络所需存储的样本数 ,网络的输出及其一阶导数都是连续的。对于非线性系统 ,该 SRBF网络在系统定义域内的逼近是精确的 ,并且在存储参数的个数上是最优的。通过实例仿真 ,证明该方法步骤简单 ,训练速度快 。