- 1、本文档共4页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
第 卷第 期 江 南 大 学 学 报!自然 科 学 版
! ’()*! +(*
!
! ! ! !
年 月 !! !
#$$% ! ,- * #$$%
!#$%’()#*+,$%-%*/,0%12,$31* 5*#$’)61,%6,781*1% .!
. 4
文章编号! #
/%0/10/0#$$%$1$!1$
!
激励函数可调的59:;神经网络
李 明# 杨成梧
! !
!南京理工大学 动力学院江苏 南京 #
#/$$2
摘 要!提出了一种隐层神经元激励函数可调的具有外部输入的非线性回归! 神经网络#
+,:;
!
它在进行权值调整的同时#还对各隐层神经元激励函数的参数进行自适应调节$并推导出激励函
数参数的学习算法#从而使 神经网络更符合生物神经网络 通过系统辨识的仿真实例#说明
+,:; *
了隐层神经元激励函数对网络性能的影响#还验证了文中提出的+,:;神经网络具有更快的收敛
速度#并且能有效地避免算法陷入局部最小*
关键词!具有外部输入的非线性回归神经网络$激励函数$学习算法
中图分类号! 文献标识码!
=/ ,
59:; 5,*$=31*+$1%?’,96*12*1%@#%6*1%3
?@7A % B,+C DEFA G-
! !
. .
# % % % $
D())FF(H=(GFI4A 7AFFI7A +6A7A KA7LFIM78 (HO97FA9F6APF9E(A()( +6A7A #/$$2 DE7A6
. . . J . N .N J .
! %
9?3*$6*EF 6FI I( (MFM6AFG R7AP (H+,:; AF8G(IR GE79E E6M8I67A6S)F6987L687(A
QQ Q Q
H-A987(AM7A6PP787(A8((A) 8I67A6S)FGF7E8M7A8EF9(ALFA87(A6)+,:; AF8G(IRM*, )F6
文档评论(0)