复指数Fourier神经元网络隐神经元衍生算法
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.
Fourier级数、前向神经网络、权值直接确定、衍生算法、复指数
28
TP183(自动化基础理论)
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
2008-12-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
2503-2506