Hermite正交基前向神经网络的权值直接确定法

被引：9

作者：

张雨浓 ^{[1
]}

陈扬文 ^{[2
]}

易称福 ^{[1
]}

李巍 ^{[1
]}

机构：

[1] 中山大学电子与通信工程系

[2] 中山大学软件学院

来源：

甘肃科学学报 | 2008年 / 01期

关键词：

Hermite正交多项式; 前向神经网络; 权值修正; 直接确定法;

D O I：

10.16468/j.cnki.issn1004-0366.2008.01.038

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：

根据多项式插值与逼近理论,提出了一种基于Hermite正交基的前向神经网络模型.该神经网络采用3层前向结构,以一组Hermite正交多项式作为隐层神经元的激励函数,而输入输出层神经元则采用线性激励函数.依据误差回传(BP)算法给出了权值修正的迭代公式.区别于以往反复迭代训练而达到最优权值的标准做法,针对该Hermite正交基前向神经网络模型,进一步提出了一种基于伪逆的直接计算权值的方法(即一步确定).该权值直接确定法避免了以往的权值反复迭代的冗长训练过程,仿真结果显示其具有比传统的BP迭代法更快的计算速度和工作精度.

引用

页码：82 / 86

页数：5

共 6 条

[1] Recurrent neural networks for nonlinear output regulation [J].