基于单层双权值神经网络的逼近理论的研究.pdfVIP

第二部分 神经网络理论与应用 基于单层双权值神经网络的逼近理论的研究 张有正’，曹文明2，冯浩3，梅旭时4 (1筒州学院(筹)数理系，衡州324000,Email:zyouz@;2浙江工业大学信息工程学院，杭州310014; 3嘉兴学院，嘉兴314000;4衡州学院 (筹)信电系，衙州324000) 摘 要:神经网络发展到现在已有十多种模型，王守觉院士提出了双权值神经网络模型m，与BP网络及RBF相比， 双权值神经网络可以用一种更为复杂的几何形状去退近训练样本，从而具有更强的遥近能力。 关键词: 神经网络;退近 StudytheTheoryofApproximateBasedonDoubleWeighted NeuralNetworks ZHANGYou-zheng,CAOWen-ming’，FENGHao3,MEIXu-shi4 (1Departmentofmathematic,QuzhouCollege,Quzhou,324000,China,zyouz@;2CollegeofInformation Engineering，ZhejiangUniversityofTechnology，Hangzhou 310014，China;3JiaxingUniversity,Jiaxing,314000,China; 4DepartmentofInformationandElectricEngineering,QuzhouCollege,Quzhou,324000,China) Abstract:Neuralnetworkshasmanykindsofmodels,WangShoujuell]presentsakindofnewneuralnetworknameddouble weightedneuralnetworks.ComparedtoBPandRBF,itcanapproximatenonlinearfunctionusingcomplexgeometryshapes, andcanapproximatebetter. Keyword:DoubleWeighted,NeuralNetwork 网络、Fukushima的新认知机模型 (Neocognitron), Kohonen的自组织模型 (SOM)、模糊神经网络、循 1引 言 环神经网络，还有最近兴起的脉冲神经网络((Spiking NeuralNetwork)和支持向量机网络((SupportVector 神经网络模型是一种基于生理学的智能仿生模 Machine)等等。 型，是由大量处理单元 (节点或神经元)互联组成 的非线性大规模自适应动力学系统。已广泛应用于 模式识别、图象处理、自动控制、数据挖掘、人工 2 双权值神经网络[[1]的提出 智能等领域。神经网络模型的研究与发展，将对计 算机科学与技术以及其相关学科的发展产生重大而 王守觉院士提出了一种新的更通用的双权值人 深远的影响。 工神经元基本数学模型。双权值神经网络是一种新 经过一大批科学工作者的不断努力，迄今己提 型的神经网络模型，通过设置不同的参数，该模型 出了数十种人工神经网络模型。其中主要有:E 不但可以模拟传统的前馈网络((BP)及径向基函数 Rosenblatt的Perceptron模型、BP网络及其算法、B. (RBF)网络，还可以模拟更高阶的神经元网络。 Widrow 的 ADALINEandMADALINE模型、 双权值神经元模型的结构如图1所示。 Grossberg的自适应共振理论 (ART),Hinton的 Boltzmann机、 R.Hecht一Nielsen提出的CPN (CounterPropagationNetwork)、Hopf