为了逼近具有空间不均匀性的多元函数,本文提出了正交脊神经网络模型。 通过将与“经典”脊波不同的“正常”脊波函数正交的脊波作为隐藏神经元的激活函数,该网络的特征在于可以更有效地表示一组具有线性和曲线奇点的函数。 尽管最初的正脊小波比起脊小波要复杂得多,但可以轻松地以更有效的方式将其应用于函数逼近理论。 此外,我们将ORNN模型扩展到时变情况,并建立时变正交脊神经网络(TV-ORRN)以进行时变函数逼近,并逐步学习了脊波输出层。 给出了理论分析并进行了一些实验,实验结果证明了在平稳和时变环境下,该算法在逼近具有线性和曲线奇异性的多元函数方面的有效性。