基于HFLANN自组织多项式网络学习算法

摘要：

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.

关键词：双曲函数网络、层次双曲函数型神经网络、Volterra级数、GMDH算法

所属期刊栏目：38

分类号：TP181;TP183(自动化基础理论)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：587-590