论文部分内容阅读
基于函数逼近理论，构建了一种神经网络模型，该神经网络采用正交Chebyshev多项式作为隐层激励函数。在此基础上，推导了Chebyshev神经网络的Levenberg—Marquardt学习算法。理论分析及仿真实验表明，该神经网络能够很好地学习样本数据中的不同模式，具有较快训练速度和较高的计算精度。