一类新的RBF 神经网络在非线性系统建模中的应用

提出一种基于输入集分类函数的新的距离度量方法, 它与前传回归的正交最小二乘法相结合, 不仅可以学习分类超平面的参数, 而且可以选择重要的输入节点。这种结构的RBFNN 特别适用于非线 性动力学系统的辨识(建模)和控制。将改进的RBFNN 用于化工中的聚合反应过程建模, 结果表明该方 法是有效而适用的。