径向基函数网络在数值计算中的应用

摘要

由经典的函数逼近理论衍生的很多数值算法有共同的缺点:计算量大、适应性差、对模型和数据要求高,在实际应用中受到限制.神经网络可以被用来计算复杂输入与输出结果之间的关系,故神经网络具有很强的函数逼近功能.该文给出了径向基函数网络(RBFNN)的结构及学习过程,重点阐述了RBFNN在函数逼近、求解非线性方程组以及散乱数据插值中的应用,结合MATLAB神经网络工具箱给出了数值实例,并与BP网络进行了比较.应用结果表明RBFNN是数值计算的一个有力工具,与传统方法比较具有编程简单、实用的特点,在工程和科学研究上若将其制成软件包则具有很好的使用价值.