基于样条插值函数的离散过程神经网络训练

摘要：

为解决过程神经元网络不能直接输入离散样本的问题,提出基于样条插值函数的离散过程神经网络训练算法.首先,将离散过程样本按采样点分段,在采样区间内分别构造样本和权值的分段样条函数;然后,计算样本函数和权函数的乘积在采样区间上的积分,并将此积分值提交给网络的隐层过程神经元;最后,在输出层计算网络输出.分别采用一次、二次、三次样条函数,设计了三种不同的算法.实验结果表明:一次样条计算效率高,逼近能力差;三次样条计算效率低,但逼近能力好;二次样条在计算效率和逼近能力两方面都比较理想.因此,二次样条函数是离散过程神经网络的较好选择.

关键词：过程神经网络、样条函数、网络训练、算法设计

所属期刊栏目：28

分类号：TP18(自动化基础理论)

资助基金：中国博士后基金特别资助项目201003405;中国博士后基金资助项目20090460864;黑龙江省博士后基金资助项目LBH-Z09289;黑龙江省教育厅科学技术研究项目11551015,11551017

在线出版日期：2011-04-27（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：75-77