基于Gaussian型RBF神经网络的一元函数逼近性能研究

为了研究Gaussian型RBF神经网络对于一元非线性函数的逼近能力,编程建立了Gaussian型RBF神经网络和BP神经网络,并以正弦函数、指数函数、阶跃函数三种典型的一元非线性函数为例,分别用两种神经网络对其进行逼近.仿真结果表明,相对于传统BP神经网络而言,Gaussian型RBF神经网络对于一元非线性函数的逼近精度更高、收敛速度更快,具有良好的逼近能力,为解决一元非线性函数的逼近问题提供了良好的解决手段.