基于RBF神经网络的作物估产模型研究
【摘要】:正 人工神经网络在模式识别方面已表现出了很好的特性,其中,前向式多层网络是应用极为广泛的人工神经网络(如BP网络)。但是,大部分基于反向传播的前向式多层网络都有一个共同的缺点,即网络在学习(网络的训练)阶段参数的估计可能会陷入其优化标准函数的一个局部极小。虽然有一些方法,如遗传算法、学习自动机等,可以避免局部极小,但一般都需要巨大的计算量。最近几年提出和开始研究的径向基函数(Radial Basis Function,缩写为RBF)人工神经网络较为有效地解决了以上问题。由此,建立了春小麦产
【相似文献】 | ||
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||||||||||||||
|