基于HFLANN自组织多项式网络学习算法
首先提出一种双曲函数型神经网络HFLANN,设计出一类基于HFLANN网络的层次双曲型函数网络HHFLANN,给出了HHFLANN的网络学习算法,使其在用于非线性的拟合中体现了较强的优越性,对于任意的Volterra级数使用HHFLANN网络来逼近是完全可行的,该算法较GMDH算法和SOP算法,具有快速简单的特性,它优于GMDH算法,有规律地选取部分多项式;优于SOP算法,在构造SOP网络不需要太多的中间隐层,从而加快了学习过程,提高了网络的逼近性能,更适合于具有层次结构的应用领域.
双曲函数网络、层次双曲函数型神经网络、Volterra级数、GMDH算法
38
TP181;TP183(自动化基础理论)
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
587-590