陈雨嘉，王竞慧，韩越，余湛

(陕西师范大学心理学院，西安 710062)

1 引言

人工神经网络(Artificial Neural Network,ANN)是对生物神经网络或者人脑抽象表示和建模，它是一种由大量处理单元组成的并行处理、非线性、自适应系统[1]。与传统的线性模型相比，具有较高的容错性和非线性性以及自组织性能和优秀的自我学习是人工神经网络模型的特点，所以与其相关的理论与应用在目前已经成为研究的热点领域，研究前景广阔[2]。

1.1 人工神经网络

人工神经网络属于人工智能的分支，是一种利用模仿生物神经网络来进行并行分布式信息处理的算法模型[3]。人工神经网络虽然只是对生物神经网络的基础层面模仿、简化和抽象，但其已能反映人脑功能的若干特性，可以利用经验进行学习和自我组织。人工神经网络不需要执行指令，并行的处理输入数据，且当其中一个或几个神经元停止运行时，整个系统仍能保持正确的输出，容错与容噪性较强[4]。一种特定的人工神经网络的特性体现于其拓扑结构之中，即神经元之间的权值和阈值以及传递函数。

1.2 RBF神经网络

1988年Broomhead和Lowe根据生物神经元具有局部相应的原理，将径向基函数引入神经网络中，很快，RBF神经网络被证明对非线性结构具有一致逼近的性能，逐步在不同行业和领域得到了广泛应用[5-7]。本研究使用的RBF神经网络的结构图如图1所示，为三层构成前馈型局部逼近神经网络，第一层为输入层，神经元数等于输入的维数(基于时间的家庭—工作冲突、基于压力的家庭—工作冲突、基于行为的家庭—工作冲突、体力疲劳、活力减少、动力下降以及脑力疲劳)；……