-
题名前向代数神经网络的函数逼近理论及学习算法
被引量:14
- 1
-
-
作者
周永权
-
机构
广西民族学院数学与计算机科学系
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2000年第3期264-271,共8页
-
文摘
文中对MP神经元模型进行了推广,定义了多项式代数神经元、多项式代数神经网络,将多项式代数融入代数神经网络,分析了前向多项式代数神经网络函数逼近能力及理论依据,设计出了一类双输入单输出的前向4层多项式代数神经网络模型,由该模型构成的网络能够逼近于给定的二元多项式到预定的精度.给出了在P-adic意义下的多项式代数神经网络函数逼近整体学习算法,在学习的过程中,不存在局部极小,通过实例表明,该算法有效.最后,指出FLANN中函数展开型网络均可由神经元的激发函数变换来实现,为近似符号网络计算提供一新理论和方法.
-
关键词
多项式代数
函数逼近
学习算法
神经网络
-
Keywords
polynomials algebra neurons, polynomials algebra neural networks, function approximate,learning algorithms
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于代数神经网络的多元多项式不可约判定及学习算法
被引量:1
- 2
-
-
作者
周永权
-
机构
广西民族学院数学与计算机科学系
-
出处
《广西科学》
CAS
2000年第1期17-19,共3页
-
文摘
把感知器作为数学模型 ,充分利用神经元的运算特性 ,以二元多项式近似求根神经网络模型为基础 ,设计一类多元多项式不可约判定的神经网络模型 ,它是单输入多输出三层前向神经网络 ,给出神经网络学习算法 ,这种学习算法在 p- adic意义下 ,通过调整隐层与输出层的权值 Ci,j完成学习 ,直到 e≥ degy(F ) +1步 ,可确定出多元多项式不可约 ,通过算例表明 ,该算法有效 ,相比传统的判定算法 。
-
关键词
多元多项式
代数神经网络
学习算法
不可约判定
-
Keywords
multivariate polynomials,algebra neural networks,irreducibility,learning algorithm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
O174.14
[理学—基础数学]
-