论文部分内容阅读
提出一种新型的广义RBF神经网络模型，将径向基输出权值改为权函数，采用高次函数取代线性加权。给出网络学习方法。并通过仿真分析研究隐单元宽度、权函数幂次等参数的选取对网络逼近精度以及训练时间的影响。结果表明，和传统的RBF神经网络相比，该网络具有良好的逼近能力和较快的计算速度，在系统辨识和控制中具有广阔的应用前景。