版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、重慶大學(xué)碩士學(xué)位論文人工神經(jīng)網(wǎng)絡(luò)隱層神經(jīng)元數(shù)的確定姓名:王立威申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):應(yīng)用數(shù)學(xué)指導(dǎo)教師:劉瓊蓀20120526重厭大學(xué)碩士學(xué)位論文一——莖蘭壟鐾—————————————————————————————————————————————————————————————————————————一一ABSTRACTAn飾cialneuralnetworkisalloptimizationmodelwhichcanabstrac
2、tanddescriptthehumanbrainneuralnetu,orkfrommathematics,Ph3,sicalandbiologicalaspectsBecauseofabilityofpowerfulmapping,itiswidelyusedinvariousapplicationfieldsHoweverduringtheestablisbanentoftheartificialneuralnetworkmode
3、l,oneofthedifficultiesishowtodeterminethenumberofhidden1ayer—neuronsFirstl、。thepapersystematicallyintroducestheartificialneuralnetworkmodel,andsummarizestheneuralnetworkmodelofhiddenlayerneuronnunlberdeterminationmethodi
4、ndomesticandforeignSecondlyitisbrieflydiscussedonsomecreatl、7emethodsandanalyzedthefactorsofthenumbersofhiddenlayerneuronsThirdly,byintroducingthepolynomialandthethoughtofmatrixpseudoinverse:thepaperwoulddiscussthenumber
5、ofhiddenlayerneuronswhichareneededwhentheneuralnetworkmodelsareestablishedinonedimensionandmulti—dimensionalspacerespectivelyInonedimensionspace,thepaperwouldusethepowerfunctionashiddenlayerneuronactivationfuncti。nandcom
6、binewiththethoughtofmatrixinversetofirstlydetenninetheneuronsoftheoutputweightsandestablishthepolynomialneuralnetworkmodelsFinally,Throughtheintroductionofintervalbinarysearchmethod,thebestnumberofthehiddenla3,erneuronsw
7、ouldbedeterminedInthemulti—dimensionalspacethepaperusesthespecificwa)7todeterminetheinputweightssothatthepurposeofdimensionconversionwou]dberealized,andusestheSfunctionaStheneuronactivationfunctionjcombineswiththethought
8、ofmatrixinverseandfirstlydeterminestheneuronsoftheoutputweights,thepoly7nomialneuralnetworkmodelwouldbeestablishedatIastAndaccordingtothedimensionofthespaceofpolynomialsthenumberofthehiddenlayerneuronsoftheneuralnetworkm
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 單神經(jīng)元和多層前向人工神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用.pdf
- 神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)的稀疏化.pdf
- 雙隱層小波神經(jīng)網(wǎng)絡(luò)研究.pdf
- 神經(jīng)元MOS管在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用研究.pdf
- 基于Izhikevich神經(jīng)元模型的神經(jīng)網(wǎng)絡(luò)建模仿真.pdf
- 神經(jīng)元分類和不確定環(huán)境下的神經(jīng)元生長(zhǎng)模擬研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的多電極陣列上培養(yǎng)神經(jīng)元鋒電位的分類.pdf
- 從神經(jīng)元到神經(jīng)網(wǎng)絡(luò):隨機(jī)動(dòng)力學(xué)研究.pdf
- 人工神經(jīng)網(wǎng)絡(luò)題庫(kù)
- 人工神經(jīng)網(wǎng)絡(luò)緒論
- 基于HR神經(jīng)元放電模型及神經(jīng)網(wǎng)絡(luò)同步問(wèn)題的研究.pdf
- 深度卷積神經(jīng)網(wǎng)絡(luò)隱層特征融合算法研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)序貫學(xué)習(xí)算法的單神經(jīng)元PID控制.pdf
- 神經(jīng)元
- 基于人工神經(jīng)元網(wǎng)絡(luò)的預(yù)估控制研究.pdf
- 基于四元數(shù)神經(jīng)網(wǎng)絡(luò)的彩色圖像壓縮.pdf
- 基于中間神經(jīng)元神經(jīng)網(wǎng)絡(luò)的快速小波圖像壓縮研究.pdf
- 人工神經(jīng)網(wǎng)絡(luò)外文翻譯
- 外文翻譯---人工神經(jīng)網(wǎng)絡(luò)
- 基于神經(jīng)網(wǎng)絡(luò)的確知信號(hào)檢測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論