论文部分内容阅读
由经典的函数逼近理论衍生的很多数值算法有共同的缺点：计算量大、适应性差，对模型和数据要求高，在实际应用中受到限制。神经网络可以被用来计算复杂输入与输出结果之间的关系，具有很强的函数逼近功能。文章阐述如何利用RBFNN进行函数逼近、求解非线性方程组以及散乱数据插值，结合MATLAB神经网络工具箱给出了数值实例，并与BP网络等方法进行了比较。应用结果表明RBFNN是数值计算的一个有力工具，与传统方法比较具有编程简单、实用的特点。