一种复值函数型连接神经网络

摘要：

本文提出了一种复值函数型连接神经网络(CFLNN)结构,可以对复数域信号进行快速处理.函数型连接神经网络通过对输入模式预先进行非线性扩展,增强了输入信号的模式表达,从而可以大为简化网络结构,降低计算复杂度.本文将函数型连接神经网络推广到了复值情况并给出了基于梯度下降的学习方法.计算复杂度分析显示本方法具有结构简单,计算量低的优点.最后,将本方法运用到对复值非线性系统的辩识问题中,仿真实验表明本CFLNN性能与传统复值前馈神经网络相近或更优.

关键词：切比雪夫多项式、复值函数型连接神经网络、非线性系统辩识

所属期刊栏目：19

分类号：TN943

在线出版日期：2007-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：95-99