| 利用RBF神经网络实现高斯型函数积分 |
| |
| 引用本文： | 杨军,马晓岩,万山虎,江晶.利用RBF神经网络实现高斯型函数积分[J].空军工程大学学报,2003,4(5):20-23. |
| |
| 作者姓名： | 杨军 马晓岩 万山虎 江晶 |
| |
| 作者单位： | [1]空军工程大学导弹学院,陕西三原713800 [2]空军雷达学院,武汉430019 |
| |
| 基金项目： | 国家"863"高技术研究发展计划资助项目(2002AA135320) |
| |
| 摘 要： | 导出了在一定精度下高斯型函数积分近似表达式,利用径向基函数(RBF)网络具有良好的逼近任意非线性映射的特点,提出了一种改进的RBF网络方法以实现对高斯型函数积分。实验结果表明所提出方法具有较高的逼近计算精度。
|
| 关 键 词： | 径向基函数 神经网络 高斯函数 函数积分 |
| 文章编号： | 1009-3516(2003)05-0020-04 |
| 修稿时间： | 2003年1月6日 |
Implementation for Gauss-Type Function Integral Using RBF Neural Networks |
| |
| YANG Jun,MA Xiao-yan,WAN Shan-hu,JIANG Jing.Implementation for Gauss-Type Function Integral Using RBF Neural Networks[J].Journal of Air Force Engineering University(Natural Science Edition),2003,4(5):20-23. |
| |
| Authors: | YANG Jun MA Xiao-yan WAN Shan-hu JIANG Jing |
| |
| Institution: | 1. Information Engineering Department of Air Force Radar Academic, Wuhan 430019, China; 2. Scientific Research Office of Air Force Radar Academic, Wuhan 430019, China; 3. The Missile Institute, Air Force Engineering University, Sanyuan, Shaanxi 713800, China |
| |
| Abstract: | First an proximate expression of Gauss type function integral is deduced with proper accuracy, and then a scheme based on modified radial basis function (RBF) neural networks is proposed. The numerical experiments indicate that the proposed scheme has a higher proximate accuracy. |
| |
| Keywords: | radial basis function (RBF) neural networks Gauss function function integral |
| 本文献已被 CNKI 维普 等数据库收录！ |
| 点击此处可从《空军工程大学学报》浏览原始摘要信息 |
| 点击此处可从《空军工程大学学报》下载免费的PDF全文 |
