多层前向小世界神经网络及其函数逼近
借鉴复杂网络的研究成果,探讨一种在结构上处于规则和随机连接型神经网络之间的网络模型-多层前向小世界神经网络.首先对多层前向规则神经网络中的连接依重连概率p进行重连,构建新的网络模型,对其特征参数的分析表明,当0<p<1时,该网络在聚类系数上不同于Watts-Strogatz模型;其次用六元组模型对网络进行描述;最后,将不同p值下的小世界神经网络用于函数逼近,仿真结果表明,当p=0.1时,网络具有最优的逼近性能,收敛性能对比试验也表明,此时网络在收敛性能、逼近速度等指标上要优于同规模的规则网络和随机网络.
小世界网络、神经网络、函数逼近、复杂网络
27
TP183(自动化基础理论)
国家自然科学基金资助项目70671083,50505034
2010-09-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
836-842