他的论文描述了先前关于广义约束神经网络（GCNN）的研究进展。 GCNN模型旨在以简明形式使用任何类型的先验，以便该模型可以实现更高的性能和更好的透明度。在这项工作中，将研究特定类型的先验，即等价函数约束。当现有方法以离散方式将约束施加于给定函数时，我们称为GCNN-EF的方法便能够完全完美地满足方程式的约束。我们通过将常规径向基函数神经网络（RBFNN）的输出与约束条件表示的输出进行加权组合来实现GCNN-EF。与其他现有方法进行比较，对三个综合数据集进行了数值研究。仿真结果证明了使用GCNN