多元的多项式函数的地三层前向神经网络系统的的逼近方法.docVIP

实用标准文案 PAGE 精彩文档 多元多项式函数的三层前向神经网络逼近方法本课题得到国家 本课题得到国家“973”重点基础研究发展计划项目基金(2007CB311000),国家自然科学基金重点项目,国家自然科学基金10701062,教育部科学技术重点项目(108176),中国博士后科学基金(20080431237),西南大学博士基金(SWUB2007006)和西南大学发展基金(SWUF2007014)资助.王建军，男，1976年生，博士，副教授，主要研究方向为神经网络，学习理论和逼近论。E-mail: wjj@swu.edu.cn. 徐宗本，男，1955年生，博士，教授，博士生导师，主要研究领域为人工智能，非线性泛函分析等。 王建军 徐宗本 (西南大学数学与统计学院 重庆 400715)(西安交通大学信息与系统科学研究所 西安 710049) 摘要 本文首先用构造性方法证明：对任意阶多元多项式，存在确定权值和确定隐元个数的三层前向神经网络，它能以任意精度逼近该多项式，其中权值由所给多元多项式的系数和激活函数确定，而隐元个数由与输入变量维数确定。我们给出算法和算例，说明基于本文所构造的神经网络可非常高效地逼近多元多项式函数。具体化到一元多项式的情形，本文结果比文献[11]所提出的网络和算法更为简单、高效；所获结果对前向神经网络逼近多元多项式函数类的网络构造以及逼近等具有重要的理论与应用意义，为神经网络逼近任意函数的网络构造的理论与方法提供了一条途径。 关键词 前向神经网络, 多元多项式, 逼近, 算法中图分类号 TP18 Approximation Method of Multivariate Polynomials by Feedforward Neural Networks WANG Jian-Jun XU Zong-Ben (School of Mathematics Statistics, Southwest University, Chongqing 400715) (Institute for Information and System Science, Xian Jiaotong University, Xian 710049) Abstract Firstly, this paper investigates that for a given multivariate polynomials with order, a three-layer feedforward neural networks with determinate weights and the number of hidden-layer nodes can be established by a constructive method to approximate the polynomials to any degree of accuracy. Secondly, the weights are decided by both the coefficients of the polynomials and the activation function, and the number of hidden-layer nodes of the constructed network depends on the order of approximating polynomial and the dimension of input on the network..Then we give the algorithm and algorithmic examples, where the constructed networks can very efficiently approxi- mate multivariate polynomials. Specifically, for a univariate polynomial, the constructed network and realization of algorithm obtained are simpler and more efficient than those of the reference [11]. The obtained results are of theoretical and practical importance in constructing a feedforward neural network with three-layer t