复变权函数神经网络灵敏度研究及其应用-计算机应用技术专业论文.docx

南 京 邮 电 大 学 硕士学位论文摘要 学科、 专业： 工学 计算机应用技术 研 究 方 向： 智能计算技术与应用 作 者： 2009 级硕士研究生 丁曼 指 导 教 师： 张代远 教授 题 目：复变权函数神经网络灵敏度研究及其应用 英 文 题 目：Sensitivity Study and Application of Complex Variabal Weight Function Neural Network 主 题 词：神经网络；复变权函数；复变逼近；灵敏度；频谱成形器 Keywords：neural network; complex variabal weight function; complex variable approximation; sensitivity; spectrum shaper 南京邮电大学硕士研究生学位论文摘要 南京邮电大学硕士研究生学位论文 摘要 I I 摘 要 专著《神经网络新理论与方法》中提出了人工神经网络的全新训练算法——样条权函数 神经网络算法。这种新的理念方法可以克服传统的神经网络训练的缺陷，同时可以避免局部 极小、收敛速度慢等很多缺点。复变权函数神经网络是在复数域的拓展与实现，所以它具有 权函数神经网络的所有优点。而神经网络的灵敏度问题，更是具有重要的研究意义。在训练 计算出神经网络的权函数后，网络输出受周围环境及输入扰动的影响可以通过对灵敏度的分 析得出。 本文以神经网络灵敏度的分析为前提，深入研究网络的模型误差与逼近噪音误差，进而 研究复变权函数神经网络的灵敏度，并推导出其计算公式。文章首先介绍复变权函数的表示 方法；接着介绍权函数神经网络灵敏度的统计定义；然后对网络的模型误差与逼近噪音误差 分别展开研究，最终得出复变权函数神经网络的灵敏度。同时，本文在理论分析的基础上， 运用 Matlab 工具对复变权函数神经网络及其灵敏度进行了仿真，通过仿真结果的分析，验证 了该理论分析的有效性和正确性。 运用复变权函数神经网络的灵敏度，本文设计出一种认知无线电中的频谱成形器。基于 理论分析，设计出了该频谱成形器的模型；进而通过计算系统的灵敏度，进行频段的规避， 实现可靠频谱共享。最后经过实验仿真验证，结合复变权函数神经网络灵敏度的频谱成形器 在有效利用频谱及避免频谱碰撞等方面有较好的效果。 关键词：神经网络；复变权函数；复变逼近；灵敏度；频谱成形器 II II Abstract The monograph “New Theory and Methods of Neural Network” presents a new type of artificial neural network and training algorithm-spline weight function neural network learning algorithm. Right after training, the weight of neural network is a function of input samples.This new concept overcomes the defect of traditional neural network that the training weight is difficult to reflect the information of training samples, also avoids many other shortcomings like local minima and slow convergence. Complex variabal weight function neural network is the implementation of the weight functions neural networks in complex field, so it has all the advantages of weight functions neural networks. Domestic and foreign scholars have done many researches about the sensitivity of neural network. After calculating the weight function of neural network, we can analyze the output error and the degree of deviation from the taget samples by the trends of sensitivity. I