|
1.
复指数Fourier神经元网络隐神经元衍生算法
张雨浓 曾庆淡 肖秀春 姜孝华 邹阿金
计算机应用
以平方可积空间上的复指数Fourier级数作为激励函数构造了新型Fourier神经元网络，并推导出采用加号逆表示的网络权值直接确定公式，克服了传统BP神经网络收敛速度慢、易陷于局部极小点、迭代学习易发生振荡等缺陷。并在此基础上构造了隐神经元衍生算法，克服了传统BP神经网络难以确定最优网络拓扑结构的缺点。理论分析及仿真实验表明，该复指数Fourier神经元网络能够一步计算网络最优权值且能自适应调整网络结构，对随机加性噪声具有抑制作用，并能高精度逼近非连续函数。
相关文章 |
多维度评价
|
