检索结果

Select

1. 基于权值与结构确定法的单极Sigmoid神经网络分类器

张雨浓陈俊维刘锦荣曲璐黎卫兵

计算机应用 2013, 33 (03): 766-770. DOI: 10.3724/SP.J.1087.2013.00766

摘要（825）

PDF （847KB）（486）

构造了以单极Sigmoid函数作为隐层神经元激励函数的神经网络分类器,网络中输入层到隐层的权值和隐层神经元的阈值均为随机生成。同时,结合利用伪逆思想一步计算出隐层和输出层神经元之间连接权值的权值直接确定(WDD)法,进一步提出了具有边增边删和二次删除策略的网络结构自确定法,用来确定神经网络最优权值和结构。数值实验结果表明,该算法能够快速有效地确定单极Sigmoid激励函数神经网络分类器的最优网络结构; 分类器的分类性能良好。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于广义多项式神经网络的点云数据隐式曲面重构方法

肖秀春姜孝华张雨浓

计算机应用 2009, 29 (08): 2043-2045.

摘要（1342）

PDF （577KB）（1147）

针对点云数据的三维重建问题，提出了一种隐曲面重构的广义多项式神经网络新方法。该广义多项式神经网络隐层各神经元激励函数互不相同且线性无关，能够对应地学习点云数据样本中不同的模式，因此，具有较好的学习能力。基于梯度下降法原理，推导了其学习算法。仿真实验尝试将该方法应用于一些简单封闭物体的带噪点云数据隐式曲面重建，取得了较理想的重建质量和去噪效果。

相关文章 | 多维度评价

Select

3. 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

摘要（1726）

PDF （700KB）（1054）

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。