信号处理
信號處理
신호처리
SIGNAL PROCESSING
2003年
4期
287-290
,共4页
切比雪夫多项式%函数型连接神经网络%信道均衡
切比雪伕多項式%函數型連接神經網絡%信道均衡
절비설부다항식%함수형련접신경망락%신도균형
本文提出一种基于切比雪夫函数型连接神经网络(CFLNN)的信道均衡方法.传统的前馈神经网络虽然能有效地解决信道均衡的问题,但具有计算复杂度过高,收敛速度慢等缺点.函数型连接神经网络通过对输入模式进行非线性扩展,可以不必使用隐层而不降低整体性能,从而极大简化了网络结构.同时,神经网络的学习方法得以简化,提高了收敛速度.本文采用可变尺度共扼梯度下降法(SCG)对该函数型连接网络进行训练.仿真结果表明了用切比雪夫函数型连接神经网络解决信道均衡问题的有效性.
本文提齣一種基于切比雪伕函數型連接神經網絡(CFLNN)的信道均衡方法.傳統的前饋神經網絡雖然能有效地解決信道均衡的問題,但具有計算複雜度過高,收斂速度慢等缺點.函數型連接神經網絡通過對輸入模式進行非線性擴展,可以不必使用隱層而不降低整體性能,從而極大簡化瞭網絡結構.同時,神經網絡的學習方法得以簡化,提高瞭收斂速度.本文採用可變呎度共扼梯度下降法(SCG)對該函數型連接網絡進行訓練.倣真結果錶明瞭用切比雪伕函數型連接神經網絡解決信道均衡問題的有效性.
본문제출일충기우절비설부함수형련접신경망락(CFLNN)적신도균형방법.전통적전궤신경망락수연능유효지해결신도균형적문제,단구유계산복잡도과고,수렴속도만등결점.함수형련접신경망락통과대수입모식진행비선성확전,가이불필사용은층이불강저정체성능,종이겁대간화료망락결구.동시,신경망락적학습방법득이간화,제고료수렴속도.본문채용가변척도공액제도하강법(SCG)대해함수형련접망락진행훈련.방진결과표명료용절비설부함수형련접신경망락해결신도균형문제적유효성.
