基于三次樣條插指權函數神經網絡設計的研究.pdf

1、本文在充分研究了現有人工神經網絡特點的基礎上，借助插指函數理論，提出了訓練后的神經網絡權是輸入樣本的函數的新概念，并以此成功的構造了一種新的人工神經網絡——三次樣條插指權函數神經網絡。與傳統(tǒng)的神經網絡不同，本文的神經網絡以三次樣條插指函數作為權函數，輸入層直接和神經元相連，且訓練后的神經網絡權是輸入樣本的函數(稱為權函數)，而不是傳統(tǒng)方法的常數。它的輸入輸出形式為：當輸入樣本向量是m維時，輸入端有m個結點，該結點通過連接權前饋連接到所有

2、神經元的輸入端；當輸出樣本向量是n維時，輸出端有n個結點，它將第j(j=1，2，…，n)個神經元的運算結果直接輸出。 本文提出的新網絡算法克服了傳統(tǒng)前饋神經網絡學習算法(如BP算法、RBF算法等)訓練權值難以反映訓練樣本信息的缺陷，能夠很好地反映樣本的信息特征，而且隨著樣本個數的增加，網絡的泛化能力也在增強。此外，新網絡結構簡單，主要計算工作量是求解樣條權函數，所以速度快，不存在傳統(tǒng)算法的局部極小、收斂速度慢、初值敏感性等問題。