一种激励函数可调的回归神经网络符号计算模型及应用

摘要：

@@ 1引言
Hensel提升方法是由Hensel本人在1900年提出,最先用于求解一元多项式的p-adic展开式,后经Wang和Rothschlid推广到多元多项式的情形,并应用于整数域上的多项式因式分解[1],发展到今天,Hensel提升方法,在代数符号计算、近似代数符号计算等相关领域,有着广泛的应用.作者认为,几乎与Hensel构造方法有关的代数计算都是一些精确计算,从一般函数逼近的观点来看,它只是一种在p-adic意义下的逼近,完全不同于通常意义下一般函数的逼近,限制了Hensel提升方法的应用范围,因此,有必要进行推广.

机标关键词：激励函数、回归神经、网络符号、计算模型、应用范围、Computation Model、Recurrent Neural Networks、提升方法、符号计算、多项式因式分解、代数、一元多项式、多元多项式、精确计算、函数逼近、构造方法、展开式、数域、求解

所属期刊栏目：29

分类号：R65;TP3

资助基金：广西自然科学基金桂科基0141034

在线出版日期：2005-04-21（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：112-114