Indexed by：
Abstract：
针对全连接BP网络在解决大规模复杂问题时存在的收敛速度缓慢等问题,提出一种功能分区的BP网络结构模式.利用RBF神经元的物理特性对输入样本空间进行分解,并将分解后的样本送给不同的子BP网络学习.与全连接BP网络相比,降低了网络在学习过程中的权值搜索空间,提高了学习速度,改善了网络泛化性能,体现了人脑在学习过程中的知识积累特征.对三维墨西哥草帽函数逼近和双螺旋分类的实验结果表明,该网络能够解决全连接BP网络不能有效解决的问题.
Keyword：
Reprint Author's Address：
Email：
Source ：
控制与决策
ISSN： 1001-0920
Year： 2011
Issue： 11
Volume： 26
Page： 1659-1664
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 14
Chinese Cited Count：
30 Days PV： 7
Affiliated Colleges：
