摘要
作者提出了一种新的 BP神经网络模型 ,其隐层激活函数采用中心参数可调的 Gaussian函数 ,输出层采用斜度可调的 Sigmoid函数 ,从而神经元具有了更强的信息存储、处理能力。由于采用组合函数 ,将 Gaussian函数良好的局部性和 Sigmoid函数良好的全局性相结合 ,提高了神经网络的收敛速度。几个典型实验的结果表明 ,与传统 BP网络模型相比 。
A new kind of BP network is proposed. The Gaussian function replaces the role of Sigmoid function in the hidden layer. The center parameters of Gaussian functions and the slope of Sigmoid in the output layer are adaptively computed to minimize an energy function at the training phase. The simulation results show that the learning and generalization capability of the new models are much better than the conventional BP networks.
出处
《青岛海洋大学学报（自然科学版）》
CSCD
北大核心
2002年第4期621-626,共6页
Journal of Ocean University of Qingdao
基金
国家自然科学基金课题 (6 96 75 0 0 5 )
关键词
BP神经网络
神经元模型
组合激活函数
内部智能处理
BP neural networks
neuron models
combined activation function
internal intellectual processing
