论文部分内容阅读
分析了BP、RBF和ARTMAP等人工神经网络在实现非线性映射方面的共同之处,基于RBF等网络对于人脑功能方面的模拟和仿生模式识别的思想,总结出一种处理这类问题的基本框架。该框架的特点是将问题分解为样本覆盖问题和基于模型的映射拟合问题。在利用该框架研究某个函数集在连续函数空间中的稠密性的基础上,提出了一种新的人工神经网络模型——主方向神经网络(PDNN)。通过与BP网络和RBF网络在函数拟合和混沌时间序列预测方面的对比实验,发现PDNN具有非常良好的逼近性能和鲁棒性能。