陈扬文
- 作品数：3 被引量：25H指数：3
- 供职机构：中山大学软件学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- Hermite正交基前向神经网络的权值直接确定法被引量：10
- 2008年
- 根据多项式插值与逼近理论,提出了一种基于Hermite正交基的前向神经网络模型.该神经网络采用3层前向结构,以一组Hermite正交多项式作为隐层神经元的激励函数,而输入输出层神经元则采用线性激励函数.依据误差回传(BP)算法给出了权值修正的迭代公式.区别于以往反复迭代训练而达到最优权值的标准做法,针对该Hermite正交基前向神经网络模型,进一步提出了一种基于伪逆的直接计算权值的方法(即一步确定).该权值直接确定法避免了以往的权值反复迭代的冗长训练过程,仿真结果显示其具有比传统的BP迭代法更快的计算速度和工作精度.
- 张雨浓陈扬文易称福李巍
- 关键词：前向神经网络权值修正
- 改造前向神经网络结构以求网络权值直接确定——Jacobi正交基神经网络实例被引量：6
- 2008年
- 根据多项式插值与逼近理论,以一组零阀值特例Jacobi正交多项式(第二类Chebyshev正交多项式)作为隐层神经元的激励函数,构造一种基于Jacobi正交基的前向神经网络模型。该神经网络模型采用三层前向结构,其中输入、输出层神经元采用零阀值线性激励函数。为改进传统神经网络收敛速度较慢及其局部极小点问题,针对该Jacobi正交基前向神经网络模型,提出了一种基于伪逆的直接计算神经网络权值的方法(即,一步确定法),并利用该神经网络进行预测。计算机仿真结果表明,相对比传统的BP迭代训练方法,权值直接确定法计算速度更快、预测精度更高。
- 张雨浓陈扬文刘巍肖秀春
- 关键词：前向神经网络
- Hermite前向神经网络隐节点数目自动确定被引量：10
- 2010年
- 从函数逼近论出发,构造了一类以Hermite正交基为激励函数的前向神经网络.在保证网络逼近能力的前提下,令其输入层至隐层的权值和各神经元阈值分别为1和0,导出了基于伪逆的隐层至输出层最优权值的直接计算公式.并针对Hermite前向神经网络,提出一种依照学习精度要求而逐次递增型的隐节点数自动、快速、准确的确定算法.对多个目标函数的计算机仿真和预测结果表明,该神经网络权值直接确定方法和隐节点数自动确定算法能很快地找到最优的隐节点数及其对应的最优权值,且网络具有较好的预测能力.
- 张雨浓肖秀春陈扬文邹阿金
- 关键词：隐节点数权值直接确定伪逆
