摘 要：RBF径向基函数神经网络具有训练简洁、学习效率快、不易陷入局部极小等优点，广泛应用于信号处理与模式识别。虽然常用的RBF网络比较容易构建，但因其结构通常固定或者复杂度较高，从而导致学习时间过长或网络资源的浪费。针对上述原因，提出利用扩展卡尔曼滤波器作为RBF的学习算法，并在隐层中使用双径向函数。通过对逼近基准的结果分析，清楚地表明该算法比其他分类网络模型具有更强的泛化性。 关键词：RBF神经网络，卡尔曼滤波，转移函数，径向基函数
基于卡尔曼滤波算法和双径向转移函数的RBF型神经网络.pdf
凡《网络安全与数据治理》（原《信息技术与网络安全》）录用的文章，如作者没有关于汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权等版权的特殊声明，即视作该文章署名作者同意将该文章的汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权授予本刊，本刊有权授权本刊合作数据库、合作媒体等合作伙伴使用。同时，本刊支付的稿酬已包含上述使用的费用，特此声明。
