共 1 条
解L1范数极小化问题的神经网络
被引：3
作者：
夏又生，叶大振
机构：
[1] 南京邮电学院
来源：
关键词：
L1范数，极小化问题，神经网络;
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：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
到本文提出一个求解Ｌ１范数极小化问题的神经网络新模型，并予以严格证明，对比文［１］中的模型，新模型具有较小的规模；对比文［２］中的模型，新模型不含惩罚参数，因而具有全局收敛到精确解等优点．最后，模拟试验表明，新模型在离散时间情形也是全局收敛的．
引用
收藏
页码：99 / 101+104
页数：4
相关论文