神经网络传递函数的功能分析与仿真研究

摘要：

从函数映射的角度,以三层前向神经网络为例,对神经网络的映射关系进行了分析,提出前向神经网络的映射关系可以视为一种广义级数展开,展开系数就是隐层与输出层的连接权,而传递函数的作用在于提供一个"母基",它与输入到隐层间的连接权一起,构造了不同的展开函数.根据这一理论,着重对神经网络传递函数在映射中的作用进行了分析,指出如果灵活选择多个复合传递函数,可以使网络以更少的参数、更少的隐节点,完成从输入到输出的映射,从而提高神经网络的泛化能力.利用遗传优化对一个两类分类问题的训练仿真结果表明,采用混合传递函数,的确能够以更少的隐节点实现所需要的映射关系,网络结构的复杂度低,泛化能力也更好.该结果也进一步证实了神经网络映射关系的广义级数展开的正确性.

关键词：广义级数展开、神经网络、复合传递函数

所属期刊栏目：22

分类号：TP183(自动化基础理论)

在线出版日期：2005-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：176-178