论文部分内容阅读
传统的BP神经网络存在结构复杂、计算量大的缺点，为克服BP神经网络这些缺点，我们研究更具有优势的RBF神经网络。RBF网络结构简单，是一个三层结构的网络，通过线性和非线性相结合，解决了非线性程度太高的问题。文章介绍了RBF的基本原理，学习了解RBF聚类算法的具体过程，并利用C＋＋编程语言将算法得以实现。在掌握输入样本大小的情况下，确定隐层单元个数，我们便可以通过该算法计算仿真实例，理论研究和仿真实例结果显示，RBF算法具有十分好的逼近效果。