一种权值直接确定及结构自适应的chebyshev基函数神经网络

基于函数逼近理论，构造一种chebyshev基函数神经网络模型。推导出该网络模型的权值直接确定方法，可一步计算出权值，克服了传统bp神经网络学习率选取困难、学习过程冗长和易陷入局部极小等缺点。在此基础上，设计了基于二分搜索的结构自适应算法，根据精度要求自动确定网络最优结构。理论分析及仿真验证均表明，该网络不仅能够快速地完成网络权值确定和结构自适应，且具有优异的学习与逼近能力，而且对随机加性噪声也具有较好的抑制作用。