基于傅立叶函数基变换的过程神经元网络学习算法.pdf

第27卷 第23期 计算机工程与设计 2006年 l2月 ComputerEngineeringandDesign Dec．2006 VO1．27 NO．23 基于傅立叶函数基变换的过程神经元网络学习算法 许少华 ， 蔡月芹 ， 谢树民 (1．大庆石油学院计算机与信息技术学院，黑龙江 大庆 163318； 2．中兴通讯股份有限公司中心研究院，广东 深圳 518057) 摘 要：针对过程神经元网络训练涉及的时域聚合运算 问题，提出了一种基于傅立叶正交函数基展开的过程神经元网络学 习算法。在网络输入函数空间中引入傅立叶正交函数基，将输入函数和网络连接权 函数表示为该组正交基的有限项展开形 式，利用函数基的正交性 ，可简化过程神经元在时问聚合运算中的复杂性，提高网络学习效率。给 出了具体的实现算法，仿 真实验结果证明了算法的有效性。 关键词：过程神经元；正交函数基；傅立叶变换；学习算法；泛函逼近 中图法分类号：TP183 文献标识码：A 文章编号：1000—7024(2006)23—4413-03 Learningalgorithm ofprocedureneuralnetworkbasedonorthogonalfunctionbase xu Shaohua， CAIYue—qin， XIEShu-m (1．CollegeofComputerandInformationTechnology,DaqingPetroleumInstitute，Daqing163318，China； 2．CenterAcademeofZTECorporation，Shenzhen518057，China) Abstract：Aimedatprocedureneuralnetwork(PNN)’Saggregationoperationproblemintimefield，alearningalgorithmofPNNbased onorthogonaliSshown．FourierfimctionoahogonalbaseiSintroducedintoinputfunctionspaceofnetwork，andbothinputfunction nadweightfunctionaredenotedlimiteditemsofufnctionorthogonalbase．Usingtheorthogonalityoffunctionbase，htecomplexityof PNN intimeagrgegationcomputingissimplified，thelearningefficiencyofthenewtorkisimproved．Thealgorithmofgeneralrealization iSpresented．andthesimulationexperienceprovedavailabilityofthealgorithm． Keywords：processneuron；orthogonalufnctionbase；Fourierconversion；learningalgorithm；functionalapproach 数基，将输入函数和网络连接权函数在满足拟合精度要求的 0 引 言 条件下表示为该组基函数的有限项展开形式，利用基函数的 过程神经元网络 “是近几年提出的一种新的人工神经网 正交性，可将过程神经元对于时间效应的累积运算(过程积分) 络模型，由于具有对连续泛函的可逼近性和连续性，对于实际 简化为向量内积运算，从而将过程神经网络对于时变权函数 中众多与时间过程有关的非线性系统建模和时变信号处理问 的学习问题转化为对基函数展开式中非时变系数的训练，减 题有着广泛的适用性。过程神经元的结构与传统MP神经元 少了网