正交權函數(shù)神經(jīng)網(wǎng)絡靈敏度研究及其應用.pdf

1、專著《神經(jīng)網(wǎng)絡新理論與方法》中提出了人工神經(jīng)網(wǎng)絡的全新訓練算法——樣條權函數(shù)神經(jīng)網(wǎng)絡算法。這種網(wǎng)絡算法克服了傳統(tǒng)的神經(jīng)網(wǎng)絡訓練算法的缺陷，同時避免了諸如局部極小、收斂速度慢等缺點。本文研究的正交權函數(shù)神經(jīng)網(wǎng)絡算法基于權函數(shù)神經(jīng)網(wǎng)絡算法，因此具有權函數(shù)神經(jīng)網(wǎng)絡算法的優(yōu)點。神經(jīng)網(wǎng)絡的靈敏度是用以分析網(wǎng)絡輸入樣本受到噪音干擾時，網(wǎng)絡輸出值與網(wǎng)絡權函數(shù)值變化和這些變化給神經(jīng)網(wǎng)絡帶來影響的一種定量分析方法。本文以神經(jīng)網(wǎng)絡靈敏度的分析為前提，深入研

2、究正交權函數(shù)網(wǎng)絡的理論噪音誤差靈敏度與逼近噪音誤差靈敏度，并推導出相應的理論計算公式。
　　本文首先介紹了包括學習曲線在內的權函數(shù)神經(jīng)網(wǎng)絡的相關概念以及正交函數(shù)的相關性質與分析方法；通過正交多項式組的形式表示網(wǎng)絡權函數(shù)，根據(jù)輸入樣本計算出神經(jīng)網(wǎng)絡權值函數(shù)的系數(shù)，并在此基礎上推導出正交權函數(shù)理論噪音誤差靈敏度與逼近噪音誤差靈敏度的理論值計算公式，并將計算公式應用于勒讓德正交多項式和第一類切比雪夫正交多項式，推導計算出具體的理論值計算