中山大学学报（自然科学版）
中山大學學報（自然科學版）
중산대학학보（자연과학판）
ACTA SCIENTIARUM NATURALIUM UNIVERSITATIS SUNYATSENI
2014年
3期
61-66
,共6页
杨文光%钟云香%李强丽%张军
楊文光%鐘雲香%李彊麗%張軍
양문광%종운향%리강려%장군
样条函数%前馈网络%权值直接确定%网络结构
樣條函數%前饋網絡%權值直接確定%網絡結構
양조함수%전궤망락%권치직접학정%망락결구
spline function%feedforward network%weights-direct-determination%network-structure
基于样条函数逼近理论构建了以样条函数乘积为隐层神经元激励函数的三层双输入样条神经网络.该网络依据输入变量的空间结构,实现了训练数据的网格化划分,网络结构可随训练数据和网格划分数的变化进行相应调整,生成的权值矩阵做到了一步直接确定.仿真实验表明,双输入样条神经网络具有较高的建模精度,较短的运行时间,有效确定了训练数据网格划分数与网络结构的关系.
基于樣條函數逼近理論構建瞭以樣條函數乘積為隱層神經元激勵函數的三層雙輸入樣條神經網絡.該網絡依據輸入變量的空間結構,實現瞭訓練數據的網格化劃分,網絡結構可隨訓練數據和網格劃分數的變化進行相應調整,生成的權值矩陣做到瞭一步直接確定.倣真實驗錶明,雙輸入樣條神經網絡具有較高的建模精度,較短的運行時間,有效確定瞭訓練數據網格劃分數與網絡結構的關繫.
기우양조함수핍근이론구건료이양조함수승적위은층신경원격려함수적삼층쌍수입양조신경망락.해망락의거수입변량적공간결구,실현료훈련수거적망격화화분,망락결구가수훈련수거화망격화분수적변화진행상응조정,생성적권치구진주도료일보직접학정.방진실험표명,쌍수입양조신경망락구유교고적건모정도,교단적운행시간,유효학정료훈련수거망격화분수여망락결구적관계.
