多聚合过程神经元网络及其学习算法研究
许少华 何新贵
计 算 机 学 报 2007
摘 要
针对系统输入为多元过程函数以及多维过程信号的信息处理问题,提出了多聚合过程神经元和多聚合过程神经元网络模型.多聚合过程神经元的输入和连接权均可以是多元过程函数,其聚合运算包括对多个输入函数的空间加权聚集和对多维过程效应的累积,可同时反映多个多元过程输入信号在多维空间上的共同作用影响以及过程效应的累积结果.多聚合过程神经元网络是由多聚合过程神经元和其它类型的神经元按照一定的结构关系组成的网络模型,按照输出是否为多元过程函数建立了前馈多聚合过程神经元网络的一般模型和输入输出均为过程函数的多聚合过程神经元网络模型,具有对多元过程信号输入输出关系的直接映射和建模能力.文中给出了一种基于多元函数基展开的梯度下降与数值计算相结合的学习算法,仿真实验结果表明了模型和算法对多元过程信号分类和多维动态过程模拟问题的适应性.
关键词 多聚合过程神经元;多聚合过程神经元网络;模型;学习算法;仿真实验
1 引 言
MP神经元模型
空间聚合作用 + 时间累积效应
动态神经网络模型
泛函网络模型: Castillo 1994
the work of author: 构建一种多聚合过程神经元和多聚合过程神经元网络模型
2 多聚合过程神经元
多聚合过程神经元的一般模型如图1所示.
3 多聚合过程神经元网络
多聚合过程神经元网络: 由多聚合过程神经元和其它类型神经元按照一定的结构关系和信息传递流程所构成的网络模型
3.1 多聚合过程神经元网络的一般模型
3.2 输入输出均为多元过程函数的多聚合过程神经元网络
4 学习算法
4.1 多聚合过程神经元网络的训练
5 仿真实验
6 结 语
https://blog.sciencenet.cn/blog-468147-547983.html
上一篇:
review: 传感器网络中基于蚁群优化的数据查询协议下一篇:
广义模糊模型的协同进化方法研究