神经网络在曲线拟合中的应用

人工神经网络的发展已有近六十年的历史，当前神经网络研究在理论、应用方面都取得了令人瞩目的进展。前向多层神经网络被证明具有较强的功能，误差反传训练(E达CkPro环堪ation，BP)算法是这种网络的典型算法，BP网络模型已成功地用于信号处理、文本及语音变换和数据处理，成为广泛使用的网络模型之一。曲线拟合，即信号重构在信号处理，语音变换中是经常遇到的课题，曲线拟合的传统方法是样条插值，样条插值涉及到矩阵求逆，且随着拟合点数的增加，矩阵就越庞大，其求逆就越麻烦。本文尝试了将神经网络用于曲线拟合中，避开了矩阵求逆的繁锁，取得了很好的效果，并分别采用BP算法和改进型BP算法(快速BP算法)进行了实验比较，得出结论改进型BP算法的性能要优于13P算法。