| 引用本文: | 王旭东，邵惠鹤.RBF神经元网络在非线性系统建模中的应用[J].控制理论与应用,1997,14(1):59~66.[点击复制] |
| WANG Xudong and SHAO Huihe.Nonlinear System Modeling Using the Radial Basis Function Neural Networks[J].Control Theory and Technology,1997,14(1):59~66.[点击复制] |
|
| RBF神经元网络在非线性系统建模中的应用 |
| Nonlinear System Modeling Using the Radial Basis Function Neural Networks |
| 摘要点击 1163 全文点击 512 投稿时间：1995-04-17 修订日期：1995-10-30 |
| 查看全文 查看/发表评论 下载PDF阅读器 |
| DOI编号 |
| 1997,14(1):59-66 |
| 中文关键词 RBF神经元网络 CSTR系统 正交优选法 竞争学习 |
| 英文关键词 radial basis function neural networks continuous stirred tank reactor othogonal optimumseeking method competitive learning |
| 基金项目 |
|
| 中文摘要 |
| 本文从径向基函数（RBF）神经网络的特点着手，分析了该网络存在的问题，并且对网络径向基函数中心的选取、计算以及网络的拓扑结构作了改进，最后用改进的径向基函数神经元网络对化工中的连续搅拌反应釜（CSTR）系统进行建模，结果表明方法有效。 |
| 英文摘要 |
| Radial basis function neural networks is very useful in nonlinear system modeling. In this paper the radial basis function neural network has been analyzed and improved. Simulation shows that the improved neural network has successfully modelled the continuous stirred tank reactor system. |