第二類樣條權函數神經網絡靈敏度研究、算法實現及其應用.pdf

1、靈敏度是用來衡量神經網絡因參數變化而造成網絡性能偏差的概念，從理論上分析這些變化有利于增強網絡的抗干擾能力和增強網絡的性能。
　　權函數神經網絡是《神經網絡新理論與方法》專著中提出的一種全新的神經網絡研究方法。本文以第二類樣條權函數神經網絡拓撲結構和訓練算法理論為基礎，根據神經網絡統(tǒng)計靈敏度的定義，使用數值分析、矩陣計算等方法，對神經網絡的靈敏度公式進行了計算。
　　本文從理論上分析了第二類樣條權函數神經網絡的模型誤差和逼近

2、噪聲誤差，推導出了第二類權函數神經網絡的樣本靈敏度、權值靈敏度和理論統(tǒng)計靈敏度計算公式。
　　通過靈敏度仿真實驗論證了第二類樣條權函數神經網絡的訓練學習能力和測試泛化能力，并分析了靈敏度的變化值與神經網絡泛化能力的關系，驗證了理論的正確性。
　　結合模式識別理論，建立第二類樣條權函數神經網絡手寫數字識別系統(tǒng)，從理論上分析該識別系統(tǒng)的可行性和相關參數，通過 MATLAB仿真實驗驗證了第二類神經網絡手寫數字分類器具有良好的識別能