一种自适应脊波网络模型.pdfVIP

!# 年%! 月 西安电子科技大学学报（自然科学版） W26+ !# 第(! 卷, 第’ 期 , !#$%’, (, )*+*%, #%*,-$.*/0 , X;=+ (!, Y;+ ’ 一种自适应脊波网络模型 杨淑媛，焦李成，王, 敏 （西安电子科技大学 智能信息处理研究所，陕西 西安, * %* %） 摘要：将脊波理论和神经网络相结合，采用具有方向信息的脊波函数作为隐层神经元的激励函数，提出 一种自适应脊波网络模型+ 由于脊波表征高维信息的稳定性和逼近线型奇异性的稀疏性，脊波网络能够 以更小的网络规模逼近广泛的多变量函数类型+ 相对固定的脊波变换它具有更灵活的结构、快速并行的 处理速度以及强容错性和鲁棒性+ 仿真结果也证明了其有效性+ 关键词：函数逼近；神经网络；脊波网络 中图分类号：-.%%, , 文献标识码：/, , 文章编号：%%$!0 （!# ）’$)$# ! #$#%’() *’$+),) )-*#, )./*0 1/$), !#$ %’()’*+ ，,- . /0(12+3 ，4#$ 50+ 893:+ ; 89:2==?29: 89;5@4:;94= .5;62339? ，AB49 C9D+ ，A E49, * %* %，F794 ） !23*#4 ：, GH 6;@I99? :72 5B?2=2: :72;5H J:7 :72 92K4= 92:J;5L ，49 4B4M:D2 5B2?=2: 92K54= 92:J;5L 3 M52329:2B IH 4B;M:9? 4 B526:;94= 5B?2=2: K96:;9 43 :72 46:D4:;9 K96:;9 ; :72 7BB29 =4H25+ N;5 :72 3:4I=:H ; 5B?2=2: 9 52M52329:9? 7?7 B@293;94= B4:4 49B :72 3M453:H 9 4MM5;O@4:9? =9245 39?K=45:H （6K5D=9245 39?K=45:H J729 K39? 4 @K=:364=2 5B?2=2: ），:72 M5;M;32B 92:J;5L 649 =2459 PK: 4 =45?2 ?5;KM ; @K=:D454:2 K96:;93 J:7 4 52BK62B 364=2+ Q9 :72 ;:725 749B，: 743 @;52 =2OI=2 3:5K6:K52 ，54MB25 M5;62339? 3M22B ，?524:25 :;=254962 49B 5;IK3:9233 :749 :72 O2B 5B?2=2: :5493;5@+ R@K=4:;9 523K=:3 452 4=3; 96=KB2B :; M5;D2 :3 26296H+ 5)6 7/*$3 ：, K96:;9 4MM5;O@4:;9 ；92K54= 92:J;5L ；5B?2=2: 92K54= 92:J;5L 神经元是神经网络中基本的信息处理单元，神经元的激励函数反映了网络单元的输入输出特性，是影响 ［%］ ［! ］ ［( ］ 网络性能和效率的一个重要因素 + 现有神经网络模型中的一些激励函数如阈值函数 、R?@;B 函数 、 ［0 ］ ［# ］ 径向基函数 和小波函数 等对生物神经的