计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2009年
1期
157-161
,共5页
张雨浓%李巍%蔡炳煌%李克讷
張雨濃%李巍%蔡炳煌%李剋訥
장우농%리외%채병황%리극눌
切比雪夫正交多项式%人工神经网络%激励函数%权值修正公式%权值一步确定%伪逆
切比雪伕正交多項式%人工神經網絡%激勵函數%權值脩正公式%權值一步確定%偽逆
절비설부정교다항식%인공신경망락%격려함수%권치수정공식%권치일보학정%위역
经典的BP神经网络学习算法是基于误差回传的思想.而对于特定的网络模型,采用伪逆思想可以直接确定权值进而避免以往的反复迭代修正的过程.根据多项式插值和逼近理论构造一个切比雪夫正交基神经网络,其模型采用三层结构并以一组切比雪夫正交多项式函数作为隐层神经元的激励函数.依据误差回传(BP)思想可以推导出该网络模型的权值修正迭代公式,利用该公式迭代训练可得到网络的最优权值.区别于这种经典的做法,针对切比雪夫正交基神经网络模型,提出了一种基于伪逆的权值直接确定法,从而避免了传统方法通过反复迭代才能得到网络权值的冗长训练过程.仿真结果表明该方法具有更快的计算速度和至少相同的工作精度,从而验证了其优越性.
經典的BP神經網絡學習算法是基于誤差迴傳的思想.而對于特定的網絡模型,採用偽逆思想可以直接確定權值進而避免以往的反複迭代脩正的過程.根據多項式插值和逼近理論構造一箇切比雪伕正交基神經網絡,其模型採用三層結構併以一組切比雪伕正交多項式函數作為隱層神經元的激勵函數.依據誤差迴傳(BP)思想可以推導齣該網絡模型的權值脩正迭代公式,利用該公式迭代訓練可得到網絡的最優權值.區彆于這種經典的做法,針對切比雪伕正交基神經網絡模型,提齣瞭一種基于偽逆的權值直接確定法,從而避免瞭傳統方法通過反複迭代纔能得到網絡權值的冗長訓練過程.倣真結果錶明該方法具有更快的計算速度和至少相同的工作精度,從而驗證瞭其優越性.
경전적BP신경망락학습산법시기우오차회전적사상.이대우특정적망락모형,채용위역사상가이직접학정권치진이피면이왕적반복질대수정적과정.근거다항식삽치화핍근이론구조일개절비설부정교기신경망락,기모형채용삼층결구병이일조절비설부정교다항식함수작위은층신경원적격려함수.의거오차회전(BP)사상가이추도출해망락모형적권치수정질대공식,이용해공식질대훈련가득도망락적최우권치.구별우저충경전적주법,침대절비설부정교기신경망락모형,제출료일충기우위역적권치직접학정법,종이피면료전통방법통과반복질대재능득도망락권치적용장훈련과정.방진결과표명해방법구유경쾌적계산속도화지소상동적공작정도,종이험증료기우월성.
