一类新的RBF神经网络在非线性系统建模中的应用

提出一种基于输入集分类函数的新的距离度量方法,它与前传回归的正交最小二乘法相结合,不仅可以学习分类超平面的参数,而且可以选择重要的输入节点。这种结构的RBFNN特别适用于非线性动力学系统的辨识(建模)和控制。将改进的RBFNN用于化工中的聚合反应过程建模,结果表明该方法是有效而适用的。