基于序列输入的神经网络模型算法及应用

摘要：

为提高神经网络的逼近能力，提出一种基于序列输入的神经网络模型及算法。模型隐层为序列神经元，输出层为普通神经元。输入为多维离散序列，输出为普通实值向量。先将各维离散输入序列值按序逐点加权映射，再将这些映射结果加权聚合之后映射为隐层序列神经元的输出，最后计算网络输出。采用Levenberg-Marquardt算法设计了该模型学习算法。仿真结果表明，当输入节点和序列长度比较接近时，模型的逼近能力明显优于普通神经网络。

关键词：神经网络、序列神经元、序列神经网络、算法设计

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金No.61170132；黑龙江省教育厅基金No.11551015，No.11551017，No.12511009，No.12511012。

在线出版日期：2014-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：62-66