1、“.....以网络拓扑知识为理论基础，对人类神经系统处理复杂信息进行模拟的数学模型，可实现函数逼近模式识别与分类及数据压缩等功能。适应能力。关键词神经网络函数逼近机器学习引言移动互联网的爆发和大数据技术的迅猛发展为人工智能的研究提供了基础支撑......”。

2、“.....结果表明，前者对训练样本能够实现高度拟合，但曲线平滑度欠佳而后者的样本拟合程度虽有逊色，但曲线较光滑，逼近效果更为可观。网络正是基于这种摘要网络及其变化形式是当下最流行的人工神经网络模型，也是前向网络的核心部分。本文立足于网络的个应用分支函数逼近......”。

3、“.....其构筑理念受生物学神经网络运作启示，即为种在掌握了人脑结构和响应外界刺激机制后，以网络拓扑知识为理论基础，在进行高次函数逼近时，非线性函数将比线性函数表现出更高的精度，但也增加了运算量学习率的选取关系到网络收敛的速度，以及网络能否收敛。如果选取......”。

4、“.....网络性能分析网络参数的设臵对其性能的影响主要表现于以下个方面隐含层节点数目的确定其数择无论是识别率还是网络收敛速度，激活函数都起着决定性作用，因而在进行高次函数逼近时，非线性函数将比线性函数表现出更高的精度......”。

5、“.....可实现函数逼近模式识别与分类及数据压缩等功能。人工神经元模型如图所示。互联网的爆发和大数据技术的迅猛发展为人工智能的研究提供了基础支撑，得益于计算机技术在数据采集存储计算等环节的突破，机器学习逐渐步入公众的视野。，对人类神经系统处理复杂信息进行模拟的数学模型......”。

6、“.....人工神经元模型如图所示。网络性能分析网络参数的设小，虽能保证网络收敛，但训练过程较缓慢反之，如果选取过大，则可能导致系统的不稳定，进而影响识别效果。关键词神经网络函数逼近机器学习引言移动对识别率的影响虽不大，但如若设臵过多将会增大运算量，延长网络的训练过程激活函数的选择无论是识别率还是网络收敛速度......”。

7、“.....因率的选取关系到网络收敛的速度，以及网络能否收敛。如果选取过小，虽能保证网络收敛，但训练过程较缓慢反之，如果选取过大，则可能导致系统的不稳定臵对其性能的影响主要表现于以下个方面隐含层节点数目的确定其数目对识别率的影响虽不大，但如若设臵过多将会增大运算量......”。

8、“.....人工神经网络作为机器学习的种新型算法，其构筑理念受生物学神经网络运作启示，即为种在掌握了人脑结构和响应外界刺激机制后，以网络拓扑知识为理论基曲线较光滑，逼近效果更为可观基于网络的函数逼近研究论文原稿基于网络的函数逼近研究论文原稿......”。

9、“.....以组输入向量和输出向量作为训练样本，选择和作为网络各层神经元的激活函数，分别采用工神经元模型如图所示。网络正是基于这种仿生学建模，其信息处理方式具有以下特点信息以连接权值的形式分布存储于整个网络具有并行信息处理功能网络存储计算等环节的突破，机器学习逐渐步入公众的视野......”。