原创力文档- 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
查看更多
第29 卷 第1 期 控 制 与 决 策 2014 年 1 月
Vol. 29 No. 1 Control and Decision Jan. 2014
文章编号: 1001-0920 (2014) 01-0077-06 DOI: 10.13195/j.kzyjc.2012.1420
基于层连优化的新型小世界神经网络
王爽心, 杨成慧
(北京交通大学 机械与电子控制工程学院，北京 100044)
摘 要: 对多层前向小世界神经网络的网络参数、权值修正策略以及网络结构进行改进, 提出一种基于层连优化的
小世界神经网络的改进算法. 通过对比现有各种不同形式的小世界神经网络, 验证了上述改进的必要性. 仿真结果表
明, 改进模型比现有小世界神经网络收敛速度更快, 逼近精度更高, 模型稳定性更强.
关键词: 小世界网络；多层前向神经网络；层连优化；BP 算法；函数逼近
中图分类号: TP273 文献标志码: A
Novel small-world neural network based on topology optimization
WANG Shuang-xin, YANG Cheng-hui
(School of Mechanical，Electronic and Control Engineering ，Beijing Jiaotong University ，Beijing 100044 ，China.
Correspondent ：WANG Shuang-xin ，E-mail ：shxwang1@bjtu.edu.cn)
Abstract: Aiming at the method of adjusting weights, parameters and the structure of the network, an improved algorithm
for the small-world neural network is proposed based on topology optimization. Simulation results show that the novel
network model has a better performance of fast convergence rates, high approximation accuracy and strong stability on the
comparison with different kinds of existed small-world neural networks.
Key words: small-world network；multilayer feed-forward neural network ；topology optimization ；BP algorithm;
function approximation
[7]
0 引引引 言言言 方法. Simard 等 验证了小世界神经网络比规则网络
[8]
人工神经网络在节点种类、连接方式、实现功能 和随机网络具有更快的收敛速度. Yang 等 将WS 小
等方面与生物神经网络有着较大差距. 1998 年, Watts 世界模型与神经网络相结合, 应用优化算法确定了
和Strogatz[1]指出, 现实网络在结构上多为处于规则
文档评论（0）