RBF神经网络资料.docxVIP

径向基函数（RBF）神经网络 RBF 网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。 简单说明一下为什么 RBF 网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值） 对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权 值都要调整，从而导致全局逼近网络的学习速度很慢。BP 网络就是一个典型的例子。 如果对于输入空间的某个局部区域只有少数几个连接权值影响输出，则该网络称为局部逼近