复指数Fourier神经元网络隐神经元衍生算法

摘要：

以平方可积空间上的复指数Fourier级数作为激励函数构造了新型Fourier神经元网络,并推导出采用加号逆表示的网络权值直接确定公式,克服了传统BP神经网络收敛速度慢、易陷于局部极小点、迭代学习易发生振荡等缺陷.并在此基础上构造了隐神经元衍生算法,克服了传统BP神经网络难以确定最优网络拓扑结构的缺点.理论分析及仿真实验表明,该复指数Fourier神经元网络能够一步计算网络最优权值且能自适应调整网络结构.对随机加性噪声具有抑制作用,并能高精度逼近非连续函数.

关键词：Fourier级数、前向神经网络、权值直接确定、衍生算法、复指数

所属期刊栏目：28

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金资助项目60643004,60775050;中山大学科研启动费资助项目;中山大学后备重点课题资助项目

在线出版日期：2008-12-15（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：2503-2506