人工神經(jīng)網(wǎng)絡(luò)的理論及應(yīng)用.pdf

1、在該文的前言部分,簡要地介紹了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史及現(xiàn)狀,并指出對人工神經(jīng)網(wǎng)絡(luò)模型在理論上及應(yīng)用上進(jìn)行研究的必要性.在第一章中,我們探討了一類帶時滯的離散神經(jīng)網(wǎng)絡(luò)模型的周期行為,并給出周期解的穩(wěn)定判據(jù),期望能對模型的連續(xù)形式的研究有所幫助.在第一章的末尾,我們還對部分結(jié)論在一些特殊參數(shù)情況下進(jìn)行了推廣,并通過一個例子體現(xiàn)了推廣了的結(jié)論的應(yīng)用.在第二章中,我們提出對反傳算法的幾個改進(jìn).其中,構(gòu)造法通過不斷地擴(kuò)張網(wǎng)絡(luò),繞開了傳統(tǒng)算法無法避

2、免的局部極小值,并解決了網(wǎng)絡(luò)結(jié)構(gòu)的選擇問題.除了理論證明之外,我們也通過幾個訓(xùn)練實(shí)例演示了構(gòu)造法的應(yīng)用.此外,對于一類"特殊的"訓(xùn)練問題,即輸入維數(shù)高、但相關(guān)性強(qiáng)的數(shù)據(jù),我們提出利用主分量分析的方法給出訓(xùn)練的參數(shù)初值.所有數(shù)值模擬的方法和結(jié)果我們都放在該章的最后一節(jié).實(shí)驗數(shù)據(jù)顯示,這些改進(jìn)的算法都是非常有效的.在第三章中,我們利用多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)、預(yù)測能力,將其應(yīng)用到非線性指標(biāo)——預(yù)測度指標(biāo).作為預(yù)測度指標(biāo)的應(yīng)用,我們對心率變異性研究