正交權函數(shù)神經網絡研究及在圖像處理中的應用.pdf

1、神經網絡一直以來是實現(xiàn)分類器的重要方法之一.在多年的研究中，不同年代出現(xiàn)了幾種有代表性的網絡學習算法：如60年代的Widrow-Hoff神經網絡學習算法；70年代的BP神經網絡學習算法；80年代的Hopfield網絡；上述各種方法都有缺點。例如，Widrow-Hoff神經網絡學習算法只能解決線性可分問題，BP網絡學習算法的收斂速度慢，而樣條權函數(shù)神經網絡學習算法的出現(xiàn)，解決了上述的問題，使得神經網絡的研究進入了新的紀元。
　　

2、本文算法的實現(xiàn)，正是以樣條權函數(shù)神經網絡算法為基礎，用正交函數(shù)（通過插值方法得到）作為神經網絡的權函數(shù)（代替了樣條權函數(shù)）.其中，每個權函數(shù)是最佳平方逼近多項式，并結合正交權函數(shù)的網絡結構，對多輸入單輸出和多輸入多輸出兩種情況下的誤差進行了分析。
　　 正交權函數(shù)神經網絡不僅繼承了樣條權函數(shù)神經網絡算法的優(yōu)點，即不存在傳統(tǒng)梯度下降類算法的局部極小，收斂速度慢，對初值敏感等缺點，而且與樣條權函數(shù)相比，最后的正交權函數(shù)的表達式簡單且