广义同余神经网络中三种激励函数的比较研究

讨论了一种新的神经网络——广义同余神经网络(GCNN),阐述了它的定义和学习算法,并对GCNN中的三种激励函数进行了比较。算例表明,改进后的算法在学习速度和网络泛化能力上都有显著的提高。由于该神经网络易于操作和实行,有必要就相关理论及其应用作进一步的研究。

关于广义同余神经网络结构与算法的研究

讨论了一种新的神经网络———广义同余神经网络（ＧＣＮＮ），网络中的所有神经细胞以同余的形式被激活，并阐述了它的结构、学习规则的一种算法。模拟结果表明，这种网络在取样点上具有满意的通用特性。由于该神经网络易于操作和实行，有必要就相关理论及其应用作进一步的研究。

多项式理想计算的神经网络方法

提出一种用于多项式理想计算的理想同余神经元 ,其工作方式既不同于过去感知器输入加阈值的激活方式 ,也不同于通常意义下激活函数选取 ,且保持神经元的运算特性 .以 Grobner基计算为例 ,给出利用该神经元计算