期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
符号函数激励的WASD神经网络与XOR应用 被引量:5
1
作者 张雨浓 王茹 +1 位作者 劳稳超 邓健豪 《中山大学学报(自然科学版)》 CAS CSCD 北大核心 2014年第1期1-7,17,共8页
基于权值与结构确定(WASD)算法,提出和构建了一种以非连续符号函数为隐层神经元激励函数的WASD神经网络模型。通过WASD算法,能有效地确定所构建网络的权值及网络的最优结构。该文也将此网络模型应用于XOR(异或)上,并详细讨论了在带噪类... 基于权值与结构确定(WASD)算法,提出和构建了一种以非连续符号函数为隐层神经元激励函数的WASD神经网络模型。通过WASD算法,能有效地确定所构建网络的权值及网络的最优结构。该文也将此网络模型应用于XOR(异或)上,并详细讨论了在带噪类型不同时网络在此应用上的性能。计算机数值实验结果验证了所提出的权值与结构确定法能够有效地确定出网络的最优权值与结构,所构建的WASD网络在XOR应用上具有优秀的抗噪性能。另外,通过对比符号函数激励的WASD神经网络与幂函数激励的WASD神经网络在高维XOR应用方面的性能差异,证实了所提出的符号函数激励的WASD神经网络及算法在解决非线性问题时的优越性。 展开更多
关键词 权值与结构确定(wasd)算法 非连续符号函数 神经网络 XOR(异或) 噪声 高维
下载PDF
基于ARIMA与WASDN加权组合的时间序列预测 被引量:6
2
作者 张雨浓 劳稳超 +2 位作者 丁玮翔 王英 叶成绪 《计算机应用研究》 CSCD 北大核心 2015年第9期2630-2633,2638,共5页
为了提高时间序列预测方法的预测精度以及增强其适用性,提出一种ARIMA-WASDN加权组合方法。该方法同时使用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型与配备权值及结构确定(weights and structure determ... 为了提高时间序列预测方法的预测精度以及增强其适用性,提出一种ARIMA-WASDN加权组合方法。该方法同时使用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型与配备权值及结构确定(weights and structure determination,WASD)算法的幂激励前向神经网络(WASDN)对时间序列进行建模、测试以及预测。根据测试结果,将ARIMA与WASDN进行加权组合。数值实验结果显示,所提出的ARIMA-WASDN加权组合方法的预测精度高于ARIMA或WASDN单独使用时的预测精度,验证了该方法在时间序列预测方面的有效性和优越性。 展开更多
关键词 差分自回归移动平均模型 权值与结构确定算法 幂激励前向神经网络 时间序列预测 加权组合
下载PDF
带后续迭代的双极S函数激励的WASD神经网络 被引量:4
3
作者 张雨浓 肖争利 +2 位作者 丁思彤 毛明志 刘锦荣 《中山大学学报(自然科学版)》 CAS CSCD 北大核心 2016年第4期1-10,共10页
结合Levenberg-Marquardt算法以及权值直接确定法这两种用于神经网络学习训练的方法,提出了一种带后续迭代、面向双极S(sigmoid)激励函数神经网络的权值与结构确定(weights-and-structure-determination,WASD)方法。该方法与MATLAB软件... 结合Levenberg-Marquardt算法以及权值直接确定法这两种用于神经网络学习训练的方法,提出了一种带后续迭代、面向双极S(sigmoid)激励函数神经网络的权值与结构确定(weights-and-structure-determination,WASD)方法。该方法与MATLAB软件神经网络工具箱相结合,可以解决传统神经网络普遍存在的学习时间长、网络结构难以确定、学习能力和泛化能力有待提高等不足,同时具有较好的可行性和可操作性。以非线性函数的数据拟合为例,计算机数值实验和对比结果证实了WASD方法确定出最优隐神经元数和最优权值的优越性,最终得到的WASD神经网络具有更为优异的学习性能和泛化性能。 展开更多
关键词 神经网络 权值与结构直接确定 后续迭代 双极S激励函数 数值实验
下载PDF
两输入幂激励前向神经网络权值与结构确定 被引量:11
4
作者 张雨浓 劳稳超 +1 位作者 余晓填 李钧 《计算机工程与应用》 CSCD 2012年第15期102-106,122,共6页
基于多元函数逼近与二元幂级数展开理论,构建了一个以二元幂函数序列为隐神经元激励函数的两输入幂激励前向神经网络模型。以该网络模型为基础,基于权值直接确定法以及隐神经元数目与逼近误差的关系,提出了一种网络权值与结构确定算法... 基于多元函数逼近与二元幂级数展开理论,构建了一个以二元幂函数序列为隐神经元激励函数的两输入幂激励前向神经网络模型。以该网络模型为基础,基于权值直接确定法以及隐神经元数目与逼近误差的关系,提出了一种网络权值与结构确定算法。计算机仿真与数值实验结果验证了所构建的网络在逼近与去噪方面具有优越的性能,所提出的权值与结构确定算法能够快速、有效地确定网络的权值与最优结构,保证网络的最佳逼近能力。 展开更多
关键词 权值与结构确定算法 二元幂级数展开 两输入幂激励前向神经网络 最优结构 权值直接确定法
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部