摘要：RBF径向基函数神经网络具有训练简洁、学习效率快、不易陷入局部极小等优点，广泛应用于信号处理与模式识别。虽然常用的RBF网络比较容易构建，但因其结构通常固定或者复杂度较高，从而导致学习时间过长或网络资源的浪费。针对上述原因，提出利用扩展卡尔曼滤波器作为RBF的学习算法，并在隐层中使用双径向函数。通过对逼近基准的结果分析，清楚地表明该算法比其他分类网络模型具有更强的泛化性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社