近期神经网络算法研究成果

1、BP的慢速是无可救药的，BP作为非线性函数拟合器非常厉害，效果很好，可惜收敛很慢，因此不适宜于工程应用，理论研究领域更加适合BP大展拳脚。
2、RBF及其相关算法，速度很快，改进后更快，能非常快，在样本范围内拟合效果突出，全面优于BP，唯一不足的一点就是预测性能很差，优于基函数的限制，导致在样本范围外的点内所有结果都会不可救药的下降，换句话说即使预测看起来明显导数为正的函数，预测结果的导数在一定距离后也会为负。
3、目前我发现的最好用的，既快又能预测，还可以应用于工程的 算法只有分段线性化算法，和神经元的关系生拉硬拽也能凑起来，不过负责任的说的话是没什么关系的。。。
分段线性化虽然出来的图像很难看，像方波一样，但是不得不承认只有他的效率和效果是及格的。。。暗影零号
弹性的效率也只是有所提高，而不是很高，关于激活函数，其实BP主要采用反正切类似形状的函数，RBF主要采用高斯函数形状的，这些是算法性质决定的，对于BP，前人经验证明这是最快的函数形状，对于RBF，主要是因为这个算法只能用这样的激活函数，其实RBF更像是数学方法，而非神经网络。。