论文部分内容阅读
基于样条函数逼近理论构建了以样条函数乘积为隐层神经元激励函数的三层双输入样条神经网络.该网络依据输入变量的空间结构,实现了训练数据的网格化划分,网络结构可随训练数据和网格划分数的变化进行相应调整,生成的权值矩阵做到了一步直接确定.仿真实验表明,双输入样条神经网络具有较高的建模精度,较短的运行时间,有效确定了训练数据网格划分数与网络结构的关系.