[1]
黄忠明,吴志红,刘全喜. 几种用于非线性函数逼近的神经网络方法研究[J]. 兵工自动化, 2009,28(10):8892.
[2] 丁硕,巫庆辉. 基于改进BP神经网络的函数逼近性能对比研究[J]. 计算机与现代化, 2012(11):1013,17.
〖LL〗[3] Ding Shuo, Wu Qinghui. A MATLABbased study on approximation performances of improved algorithms of typical BP neural networks[J]. Applied Mechanics and Materials, 2013,313314:13531356.
[4] Ding Shuo, Chang Xiaoheng. A MATLABbased study on the realization and approximation performance of RBF neural networks[J]. Applied Mechanics and Materials, 2013,325326:17461749.
[5] Ding Shuo, Chang Xiaoheng, Wu Qinghui. Approximation performance of BP neural networks improved by heuristic approach[J]. Applied Mechanics and Materials, 2013,411414:19521955.
[6] 马东宇. 基于Gaussian型RBF神经网络的函数逼近与应用[D]. 长沙:中南大学, 2011.
[7] 孙晓慧. 基于人工神经网络的赤潮预测方法研究[D]. 舟山:浙江海洋学院, 2012.
[8] 丁硕,常晓恒,巫庆辉.LMBP和RBF在ECS特性曲线拟合中对比研究[J]. 吉林大学学报:信息科学版, 2013,31(2):203209.
[9] 王斌. 面向风电机组齿轮箱的故障诊断系统研究[D]. 保定:华北电力大学, 2012.
[10]智会强,牛坤,田亮,等. BP网络和RBF网络在函数逼近领域内的比较研究[J]. 科技通报, 2005,21(2):193197.
[11]曾德惠. 基于Matlab实现函数逼近[J]. 现代电子技术, 2009,32(18):141143.
[12]丁硕,常晓恒. Gaussian型RBF神经网络的函数逼近仿真研究[J]. 河南科学, 2013,31(9):13831386.
[13]钱光兴,崔东文. RBF与GRNN神经网络模型在城市需水预测中的应用[J]. 水资源与水工程学报, 2012,23(5):148152. |