Chebyshev神经网络电路设计.pdfVIP

维普资讯 弓3牛 Chebyshev神经 网 络 电 路 { 1 I? 湖南湘潭工学院 自动化系 (411201) 苎苎墨 张志飞 邹‘阿金 【擅要 】 丰支讧 Chebyshev神控一蝽为基础 ，培出1非线性函数耐仿真 实制，并捉 出1田模拟 电路实现 Cheby- shev神控网培耐方法． ， 桷 一… 关【-词】chebymhev堕苎 4 权值修正 一 、 引 W ( + 1)一 W (^)+ ；(J一 1，2，3，… ，n) 由于加拿大著名心理学家 Hebb的杰出工作渖}学 其中 为学习率 ，且 011 家们 已在 下述问题上达成共识 ：动物 的某些学习和记 忆过程可通过突触特性 的变化加以解释 。在人工神经 网络中，传统观点认为生物神经中的突触变化可用节 点间连接权值 的变化加以表征 。事实上 ，突触的变化不 仅表现为节点 间连接权值的变化 ，而且突出地表 现为 节点本身特性的变化 ，即节点函数的特化。节点函数的 特化反映在生物系统 中，就是发育过程 中神经细胞 内 部构造的变化 这一点已被哈拂医学院Selkoe教授的 研究成果证实 ]。本文介绍 的Chebyshev神经 网络不 仅符合生物神经网络的基本特征 ，而且拓朴结构简单 、 学习收敛速度快、有逼近任意非线性映射的优异特性 ， 硬件实现也特别方便 。本文对 Chebyshev神经网络的 囤 】 Chebyshev神控 罔培蠖型 拓朴结构和学习算法仅作简要介绍 ，重点介绍 Cheby- shev神经网络的硬件实现方法 。 三、仿真实例 二、Chebyshev神经网络模型 例 1．未知函数 --3xe一- 取 网络为 1×6×1，训练 5次后 ，仿真结果如图 2所示 Chebyshev神经网络模型如图1所示，输八层至隐 (实线为理想 曲线，*”线为仿真 曲线)；性能指标 J 层权值恒为 1，隐层 至输出层权值 为 wi(i=l，2，3， 6．7×10一；权值 ： … ，n) 1 神经 网络输出 一 ∑ 其 中P，为 Chebyshev正交多项式，即P0=1；P1竞xtP =2X Pj一，一 Pj2； (j 2，3，l，… ，n) n为隐层神经元十散}w 为隐层至输出层权值。 2 误差 巨 一f(x，)一 ．Yi；(— 1，2，…，m) 圈 2 啻q1仿真蛄囊 其中置 为某一理想输入 ，，(置)、 分别为某一理想输 W 0．0088，W 1— 2．8948· = 一 0．0031， 入时的理想输 出和神经 网络实际输 出，m 为学 习样本 W3 0．5436，W ‘一一 0．0022，ⅣE= 0．0541； 数。 3 性能指标 倒 2．未知函数 ：一2一+1+ q +O．