用局部和半局部转移函数实现RBF型神经网络的逼近和分类

增量神经网络(IncNet)的结构是由增长和剪枝控制,并且与训练数据的复杂性相匹配。用扩展卡尔曼滤波算法作为其学习算法。双径向转移函数比其它常用于人工神经网络的转移函数更具有灵活性。最新的改进是在多维空间中(具有N-1个参数)增加转移函数的旋转常数值。通过对逼近基准和心理分类问题的结果分析,清楚地表明比其他分类网络模型具有更强的泛化性。