整型权值神经网络在连续函数空间上稠密性研究.pdfVIP

下载本文档

4
0
约2.7万字
约 4页
2017-09-13 发布于重庆
举报
版权申诉

整型权值神经网络在连续函数空间上稠密性研究.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第２９卷第７期　　　计算机应用与软件Ｖｏｌ２９Ｎｏ．７２０１２年７月　　ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＪｕｌ．２０１２整型权值神经网络在连续函数空间上的稠密性研究周良杰（杭州电子科技大学智能与软件技术研究所　浙江杭州３１００１８）摘　要　　目前，对整型权值神经网络的研究主要依靠实验统计方法。适用范围较小、缺乏理论依据，限制了研究成果在工程实践中的应用。重点研究整型权值神经网络的稠密性，并给出稠密性的相关定理。介绍动态查分算法并给出采用动态的差分进化算法训练网络的实验，验证了稠密性理论的正确性，说明了整型权值神经网络可以满足工程应用中逼近误差上的要求。关键词　　人工神经网络　函数逼近　整型权值　稠密性中图分类号　ＴＰ１８３　　　　文献标识码　ＡＯＮＤＥＮＳＩＴＹＯＦＩＮＴＥＧＲＡＬＷＥＩＧＨＴＮＥＵＲＡＬＮＥＴＷＯＲＫＩＮＣＯＮＴＩＮＵＯＵＳＦＵＮＣＴＩＯＮＳＰＡＣＥＺｈｏｕＬｉａｎｇｊｉｅ（ＩｎｓｔｉｔｕｔｅｏｆＳｏｆｔｗａｒｅａｎｄＩｎｔｅｌｌｉｇｅｎｔＴｅｃｈｎｏｌｏｇｙ，ＨａｎｇｚｈｏｕＤｉａｎｚｉＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００１８，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ　　Ｔｈｅｒｅｓｅａｒｃｈｏｎｉｎｔｅｇｒａｌｗｅｉｇｈｔｎｅｕｒａｌｎｅｔｗｏｒｋｍａｉｎｌｙｄｅｐｅｎｄｓｏｎｓｔａｔｉｓｔｉｃａｌｍｅｔｈｏｄｓａｔｐｒｅｓｅｎｔ．Ｌｉｍｉｔｅｄａｐｐｌｉｃａｔｉｏｎａｒｅａｓａｎｄｌａｃｋｉｎｇｔｈｅｏｒｅｔｉｃａｌｇｕｉｄａｎｃｅｃｏｎｓｔｒａｉｎｔｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｏｕｔｃｏｍｅｓｏｆｒｅｓｅａｒｃｈｉｎｅｎｇｉｎｅｅｒｉｎｇｐｒａｃｔｉｃｅ．Ｔｈｉｓｐａｐｅｒｐｕｔｓｔｈｅｅｍｐｈａｓｉｓｏｎｔｈｅｓｔｕｄｙｏｆｄｅｎｓｉｔｙｏｆｉｎｔｅｇｒａｌｗｅｉｇｈｔｎｅｕｒａｌｎｅｔｗｏｒｋ，ａｎｄｐｒｅｓｅｎｔｓｒｅｌａｔｅｄｔｈｅｏｒｅｍｓｗｉｔｈｒｅｇａｒｄｔｏｔｈｅｄｅｎｓｉｔｙ．Ｉｎｔｈｅｅｎｄｗｅｉｎｔｒｏｄｕｃｅｔｈｅｄｙｎａｍｉｃｄｉｆｆｅｒｅｎｃｅａｌｇｏｒｉｔｈｍａｎｄｄｅｍｏｎｓｔｒａｔｅｔｈｅｅｘｐｅｒｉｍｅｎｔｏｆｎｅｔｗｏｒｋｔｒａｉｎｉｎｇｗｉｔｈｄｙｎａｍｉｃｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎａｌｇｏｒｉｔｈｍ，ｗｈｉｃｈｈａｓｖａｌｉｄａｔｅｄｔｈｅｃｏｒｒｅｃｔｎｅｓｓｏｆｔｈｅｄｅｎｓｉｔｙｔｈｅｏｒｙｐｒｅｓｅｎｔｅｄｉｎｔｈｅｐａｐｅｒ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｗｅａｌｓｏｅｌｕｃｉｄａｔｅｔｈａｔｔｈｅｉｎｔｅｇｒａｌｗｅｉｇｈｔｎｅｕｒａｌｎｅｔｗｏｒｋｉｓａｂｌｅｔｏｍｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔｏｆｅｎｇｉｎｅｅｒｉｎｇａｐｐｌｉｃａｔｉｏｎｉｎａｐｐｒｏｘｉｍａｔｉｏｎｅｒｒｏｒ．Ｋｅｙｗｏｒｄｓ　　Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ　Ｆｕｎｃｔｉｏｎａｐｐｒｏｘｉｍａｔｉｏｎ　Ｉｎｔｅｇｒａｌｗｅｉｇｈｔ　Ｄｅｎｓｉｔｙ所谓神经网络的稠密性问题，是指研究网络模型以何种程０　引　言度逼近特定函数空间中的函数。稠密性问题最早的理论源于对著名的Ｈｉｌｂｅｒｔ第十三问题的研究，之后文献［７，８］证明了所有人工神经网络理论是一门边缘性交叉学科。神经网络既是ｎ维连续函数可以被少数几个简单函数的有限次组合迭代准确高度非线性动力学系统，又是自适应组织系统，可用来描述认地表示，以及存在３层的神经网络能以任意精度逼近任何连续知、决策、控制等智能行为。正因为人工神经网络具有高度的非函数［９］。文献［