径向基神经网络在近似建模中的应用研究

？为了在不依赖测试样本的前提下获取最优的径向基函数分布系数opt_sprd，从而构造出具有更高精度的径向基神经网络（rbnn）近似模型，提出了一种基于交叉验证的分布系数选取方法。该方法以分布系数与交叉验证误差之间的函数为基础，把对应于交叉验证误差最小值的分布系数作为opt_sprd的近似解。数值实验的结果表明，所提出的方法明显优于目前通行的缺省处理方法；与基于l-mbp算法的前馈神经网络近似模型相比，在所提出方法基础上构造出的rbnn近似模型具有更高、更稳定的精度。