著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
只要模型是一层一层的,并使用AD/BP算法,就能称作 BP Network。RBF Network 是其中一个特例。
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
RBF神经网络与BP神经网络都是非线性多层前向网络,它们都是通用逼近器。对于任一个BP神经网络,总存在一个RBF神经网络可以代替它,反之亦然。但是这两个网络也存在着很多不同点,这里从网络结构、训练算法、网络资源的利用及逼近性能等方面对RBF神经网络和BP神经网络进行比较研究。
总之,RBF神经网络可以根据具体问题确定相应的网络拓扑结构,具有自学习、自组织、自适应功能,它对非线性连续函数具有一致逼近性,学习速度快,可以进行大范围的数据融合,可以并行高速地处理数据。RBF神经网络的优良特性使得其显示出比BP神经网络更强的生命力,正在越来越多的领域内替代BP神经网络。目前,RBF神经网络已经成功地用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。
节水灌溉·2013年第3期 文章编号:1007——0016—04 基于RBF神经网络与BP神经网络的 核桃作物需水量预测 刘婧然1,马英杰2,王 结3,马保国1 (1.河北工程大学水电学院,河北邯郸056021;2.新疆农业大学,新疆乌鲁木齐830052; 3.河北医科大学,河北石家庄050011) 摘要:采用RBF网络与BP网络的方法,利用MATLAB工具箱并结合气象资料中的相对湿度、平均气温和太 阳日辐射量,建立了预测核桃作物需水量的神经网络预测模型。两种预测模型通过实例证实了预测的准确性,并且 7 将这两种网络模型进行了比较分析。RBF神经网络预测作物需水量的绝对误差平均值为0.254mm/d、相对误差平 6mm/d、相对误差平均值为6.97%,由此可 均值为5.47%,BP神经网络预测作物需水量的绝对误差平均值为0.320 0S,比BP网络训练所需 见,RBF网络预测的精度比BP网络高。并且,通过程序记时显示RBF网络训练用时0.063 的时间要短的多,因此RBF神经网络具有较好的实用价值,实现了精度与实用性的统一。 关键词:预测;RBF神经网络;BP神经网络;作物需水量 中图分类号:S126 文献标识码:A Water
专业文档是百度文库认证用户/机构上传的专业性文档,文库VIP用户或购买专业文档下载特权礼包的其他会员用户可用专业文档下载特权免费下载专业文档。只要带有以下“专业文档”标识的文档便是该类文档。
VIP免费文档是特定的一类共享文档,会员用户可以免费随意获取,非会员用户需要消耗下载券/积分获取。只要带有以下“VIP免费文档”标识的文档便是该类文档。
VIP专享8折文档是特定的一类付费文档,会员用户可以通过设定价的8折获取,非会员用户需要原价获取。只要带有以下“VIP专享8折优惠”标识的文档便是该类文档。
付费文档是百度文库认证用户/机构上传的专业性文档,需要文库用户支付人民币获取,具体价格由上传人自由设定。只要带有以下“付费文档”标识的文档便是该类文档。
共享文档是百度文库用户免费上传的可与其他用户免费共享的文档,具体共享方式由上传人自由设定。只要带有以下“共享文档”标识的文档便是该类文档。