王婷婷，吴新蕊，张洋，王宇春

（佳木斯大学生物医学工程系，佳木斯154007）

0 引言

为解决学生进入食堂就餐所产生的常备菜品种类过少，排队就餐时间过长以及菜品过剩所产生的浪费，开发了食堂菜单管理系统App，在研究中发现，食堂人员因无法预测菜品销量而导致浪费，所以构建了一个预测算法。

传统的备菜量方式则是每天按照固定的量去采买，这将会导致菜品有时多有时少。解决这类问题方法有RBF算法，模糊神经网络。RBF神经网络在解决这类问题时运用的原理是以任意的精度去逼近随机的函数式，线性方程组可以直接地去解出RBF神经网络的权重值，这在一定程度上加快了学习速度并避免了一定局部极小的问题，但正因为它的学习速度快，它需要更多的隐含层神经元来完成工作。模糊神经网络具有用多台处理机同时工作去求解问题的优势，可以进行并行数据处理，但模糊神经网络无论作为逼近器去工作还是作为模式存储器运行，都是需要进行学习和去优化权重系数来进行处理。在线性神经网络的学习算法中，各个神经元之间连接权值的误差值由理想中输出的值与实际上输出的值之间的差来估量，但因为这里存在线性不可分的实际问题，从而在引入多级互联网络时，怎么估计中间端神经元的误差值就成了难题，因为在实际运算中，很难去知道中间端的任何神经元的理想值和输出值。根据长时间的调查研究可以看到某菜品的销量数据和随机信号的变化类似。……