函数链网络(Functional Link Network——FLN)通过对输入向量(或模式)的非线性扩展,将非线性映射特性引入了单层神经网络,采用δ学习规则获得了快速的学习和非线性映射特性。本文在FLN基础上,借助凸集优化思想,利用最陡梯度下降技术获...函数链网络(Functional Link Network——FLN)通过对输入向量(或模式)的非线性扩展,将非线性映射特性引入了单层神经网络,采用δ学习规则获得了快速的学习和非线性映射特性。本文在FLN基础上,借助凸集优化思想,利用最陡梯度下降技术获得了比FLN更高的存储容量和更快速的学习速度。计算机模拟的结果证实了所提的算法性能。展开更多
针对小脑模型神经网络(cerebellar model neural network,CMNN)中泛化能力与存储空间容量之间的冲突这一关键问题,提出了一种改进的小脑模型神经网络——模糊隶属度小脑模型神经网络(fuzzy membership cerebellar model neural network,...针对小脑模型神经网络(cerebellar model neural network,CMNN)中泛化能力与存储空间容量之间的冲突这一关键问题,提出了一种改进的小脑模型神经网络——模糊隶属度小脑模型神经网络(fuzzy membership cerebellar model neural network,FM-CMNN),用于解决非线性动态系统的时间序列预测问题.首先,FM-CMNN在保留原始CMNN输入变量的地址映射方式的情况下,在CMNN存储空间中引入铃型模糊隶属度函数,从而保证在不需增加量化级数的情况下提高网络的泛化能力.然后,使用梯度下降算法对网络权值进行更新,提高网络的逼近强度.最后,通过非线性时间序列预测基准实验和污水处理中水质参数预测实验,验证了FM-CMNN性能的可靠性.展开更多
文摘函数链网络(Functional Link Network——FLN)通过对输入向量(或模式)的非线性扩展,将非线性映射特性引入了单层神经网络,采用δ学习规则获得了快速的学习和非线性映射特性。本文在FLN基础上,借助凸集优化思想,利用最陡梯度下降技术获得了比FLN更高的存储容量和更快速的学习速度。计算机模拟的结果证实了所提的算法性能。
文摘针对小脑模型神经网络(cerebellar model neural network,CMNN)中泛化能力与存储空间容量之间的冲突这一关键问题,提出了一种改进的小脑模型神经网络——模糊隶属度小脑模型神经网络(fuzzy membership cerebellar model neural network,FM-CMNN),用于解决非线性动态系统的时间序列预测问题.首先,FM-CMNN在保留原始CMNN输入变量的地址映射方式的情况下,在CMNN存储空间中引入铃型模糊隶属度函数,从而保证在不需增加量化级数的情况下提高网络的泛化能力.然后,使用梯度下降算法对网络权值进行更新,提高网络的逼近强度.最后,通过非线性时间序列预测基准实验和污水处理中水质参数预测实验,验证了FM-CMNN性能的可靠性.
