基于三次樣條插指權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的研究.pdf

1、本文在充分研究了現(xiàn)有人工神經(jīng)網(wǎng)絡(luò)特點(diǎn)的基礎(chǔ)上，借助插指函數(shù)理論，提出了訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)權(quán)是輸入樣本的函數(shù)的新概念，并以此成功的構(gòu)造了一種新的人工神經(jīng)網(wǎng)絡(luò)——三次樣條插指權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)不同，本文的神經(jīng)網(wǎng)絡(luò)以三次樣條插指函數(shù)作為權(quán)函數(shù)，輸入層直接和神經(jīng)元相連，且訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)權(quán)是輸入樣本的函數(shù)(稱為權(quán)函數(shù))，而不是傳統(tǒng)方法的常數(shù)。它的輸入輸出形式為：當(dāng)輸入樣本向量是m維時(shí)，輸入端有m個(gè)結(jié)點(diǎn)，該結(jié)點(diǎn)通過連接權(quán)前饋連接到所有

2、神經(jīng)元的輸入端；當(dāng)輸出樣本向量是n維時(shí)，輸出端有n個(gè)結(jié)點(diǎn)，它將第j(j=1，2，…，n)個(gè)神經(jīng)元的運(yùn)算結(jié)果直接輸出。 本文提出的新網(wǎng)絡(luò)算法克服了傳統(tǒng)前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法(如BP算法、RBF算法等)訓(xùn)練權(quán)值難以反映訓(xùn)練樣本信息的缺陷，能夠很好地反映樣本的信息特征，而且隨著樣本個(gè)數(shù)的增加，網(wǎng)絡(luò)的泛化能力也在增強(qiáng)。此外，新網(wǎng)絡(luò)結(jié)構(gòu)簡單，主要計(jì)算工作量是求解樣條權(quán)函數(shù)，所以速度快，不存在傳統(tǒng)算法的局部極小、收斂速度慢、初值敏感性等問題。