10.3778/j.issn.1002-8331.1209-0260
基于序列输入的神经网络模型算法及应用
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。
神经网络、序列神经元、序列神经网络、算法设计
TP18(自动化基础理论)
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。
2014-08-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
62-66