MISO多元广义多项式神经网络及其权值直接求解

被引：8

作者：

肖秀春 ^{[1
,2
]}

张雨浓 ^{[1
]}

姜孝华 ^{[1
]}

机构：

[1] 中山大学信息科学与技术学院

[2] 广东海洋大学信息学院

来源：

中山大学学报(自然科学版) | 2009年 / 48卷 / 04期

关键词：

多元广义多项式; 权值直接确定; 结构自适应确定; 指数增长; 折半删减;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

基于多元函数逼近理论,构建一种M ISO(Mu ltip le-Input,S ingle-Output)多元广义多项式神经网络。依据最小二乘原理,推导出基于伪逆的最优权值一步计算公式———简称为权值直接确定法;在此基础上,提出基于指数增长和折半删减搜索策略的隐神经元数自适应增删搜索算法。该新型神经网络具有结构简单的优点,其权值直接确定法、隐神经元增删算法可以避免冗长的迭代计算、局部极小点和学习率难选取等问题,同时解决了传统BP神经网络难以确定隐神经元数这一难题。仿真实验显示其具有训练速度快、逼近精度高和良好的去噪特性等特点。

引用

页码：42 / 46+56 +56

页数：6

共 6 条

[1]

利用BP神经网络反算沥青路面结构层弹性模量的研究 [J].