-
题名一种基于泛函网络的多项式Euclidean算法
被引量:7
- 1
-
-
作者
周永权
焦李成
李陶深
-
机构
西安电子科技大学智能信息处理研究所
广西大学计算机与电子信息学院
-
出处
《计算机科学》
CSCD
北大核心
2006年第9期131-134,共4页
-
基金
国家自然科学基金[60461001]
广西自然科学基金[0542048]资助项目。
-
文摘
提出一种基于泛函网络的多项式Euclidean计算新模型,给出一种基于泛函网络的多项式Euclidean新算法。网络的泛函参数利用解线性方程组方法来完成。相对于传统方法,该方法不但能够快速地获得所求多项式问题的精确解,而且可获得所求多项式问题的近似解。计算机仿真结果表明,该算法十分有效、可行,可以看作是对传统的Eu- clidean算法的一种推广。该算法将在计算机数学、代数密码学等方面有着广泛的应用。
-
关键词
泛函网络
Euclidean算法
多项式
学习算法
计算机数学
-
Keywords
functional network, polynomial Euclidean algorithm, polynomials, learning algorithm, Compute mathematics
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于径向基函数网络的永磁同步电机直接转矩控制
被引量:13
- 2
-
-
作者
张春梅
刘贺平
王玉锋
-
机构
北京科技大学信息学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2005年第7期803-806,共4页
-
文摘
对永磁同步电机直接转矩控制系统特性进行了深入研究,提出一种新的径向基函数神经网络控制器,给出了神经网络控制器的结构设计、样本选取及训练方法.利用系统中的开关表作为导师对径向基函数神经网络控制器进行训练,实现了永磁同步电机直接转矩控制的径向基函数神经元网络输出矢量选择.该控制器可以简化获得输出电压矢量的过程,并具有并行计算速度快、转矩响应迅速的性能.仿真结果验证了该控制器的有效性.
-
关键词
永磁同步电机
径向基函数
神经网络
直接转矩控制
-
Keywords
Computer simulation
learning algorithms
Permanent magnets
Radial basis function networks
Synchronous motors
Vectors
-
分类号
TM921.5
[电气工程—电力电子与电力传动]
-
-
题名多项式泛函网络运算模型及应用
被引量:1
- 3
-
-
作者
戴祯杰
农正
周永权
-
机构
广西教育学院数学与计算机科学系
广西民族学院计算机与信息科学学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2005年第21期49-51,73,共4页
-
基金
国家自然科学基金资助项目(编号:60461001)
-
文摘
提出了一种多项式泛函网络运算新模型,来求解任意数域或环上多项式运算问题。同时给出了基于泛函网络求任意一元多项式倍式的学习算法,而网络的参数利用解线性方程组方法来完成。实验结果表明,这种神经计算方法,相对传统方法,不但能够获得问题的精确解,而且可获得问题的近似解。这给工程计算软件的二次开发提供了有效方法。
-
关键词
多项式运算
泛函网络
神经计算
学习算法
-
Keywords
polynomial computing,functional network,neuron computation,learning algorithm
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
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
- 4
-
-
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]
-
-
题名量子衍生神经网络模型及其在图像恢复中的应用
被引量:2
- 5
-
-
作者
肖红
李盼池
-
机构
东北石油大学计算机与信息技术学院
-
出处
《智能系统学报》
CSCD
北大核心
2013年第6期537-542,共6页
-
基金
国家自然科学基金资助项目(61170132)
-
文摘
为提高图像恢复质量,提出一种量子衍生神经网络模型及算法.该模型为3层结构,隐层为量子神经元,输出层为普通神经元.量子神经元由量子旋转门和多位受控非门组成,利用多位受控非门中目标量子位的输出向输入端的反馈,实现对输入序列的整体记忆,利用受控非门输出中多位量子比特的纠缠,获得量子神经元的输出.基于量子计算理论设计了该模型的学习算法,该模型可从宽度和深度两方面获取输入序列的特征.仿真结果表明,该模型的图像恢复效果明显优于普通神经网络.
-
关键词
量子计算
量子旋转门
多位受控非门
量子神经元
量子神经网络
图像恢复
学习算法
神经网络模型
-
Keywords
quantum computation
quantum rotation gate
multi-qubit controlled not-gate
quantum neuron
quantum neural network
image restoration
learning algorithm
neural network model
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种量子神经网络模型及改进学习算法
被引量:1
- 6
-
-
作者
涂淑琴
张义青
王美华
万华
-
机构
华南农业大学信息学院
-
出处
《现代计算机》
2010年第11期3-6,共4页
-
基金
广东省自然科学基金(No.9251009001000005)
-
文摘
提出一种量子BP网络模型及改进学习算法,该BP网络模型首先基于量子学中一位相移门和两位受控非门的通用性,构造出一种量子神经元,然后由该量子神经元构造隐含层,采用梯度下降法进行学习。输出层采用传统神经元构造,采用基于改进的带动量自适应学习率梯度下降法学习。在UCI两个数据集上采用该模型及算法,实验结果表明该方法比传统的BP网络具有较好的收敛速度和正确率。
-
关键词
量子计算
量子神经元
量子BP神经网络
学习算法
收敛速度
-
Keywords
Quantum computing
Quantum neuron
Quantum BP Neural network
learning algorithm
Convergence Speed
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名竞争式Takagi-Sugeno模糊再励学习
被引量:5
- 7
-
-
作者
晏雄伟
邓志东
孙增圻
-
机构
清华大学计算机科学与技术系智能技术与系统国家重点实验室
-
出处
《自动化学报》
EI
CSCD
北大核心
2002年第6期873-880,共8页
-
基金
高等学校优秀青年教师教学科研奖励计划资助
-
文摘
针对连续空间的复杂学习任务 ,提出了一种竞争式 Takagi- Sugeno模糊再励学习网络(CTSFRLN) ,该网络结构集成了 Takagi- Sugeno模糊推理系统和基于动作的评价值函数的再励学习方法 .文中相应提出了两种学习算法 ,即竞争式 Takagi- Sugeno模糊 Q-学习算法和竞争式 Takagi- Sugeno模糊优胜学习算法 ,其把 CTSFRLN训练成为一种所谓的 Takagi- Sugeno模糊变结构控制器 .以二级倒立摆控制系统为例 ,仿真研究表明所提出的学习算法在性能上优于其它的再励学习算法 .
-
关键词
再励学习
函数逼近
T-S模糊推理系统
机器学习
神经网络
-
Keywords
Computer simulation
Control systems
Functions
Fuzzy sets
learning algorithms
Neural networks
Pendulums
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种新型脉冲神经元模型及其网络的研究
被引量:1
- 8
-
-
作者
王卫东
王子华
许燕
樊瑜波
-
机构
北京航空航天大学生物与医学工程学院
中国人民解放军总医院生物医学工程研究中心
-
出处
《国际生物医学工程杂志》
CAS
2020年第1期1-10,共10页
-
文摘
目的提出一种新型脉冲神经元模型及其网络,描述其建模方法,并用计算机模拟验证其性能。方法在充分考虑生物学适应性(激活电位阈值和不应期开关),及其对尖峰放电脉冲产生及其传导的动态调节机制基础上,在新型脉冲神经元模型中引入了突出后电位多通道滤波器,实现了输出电流及神经元突触强度的动态调节。提出基于自适应最小均方(LMS)的误差反向传播(BP)学习算法,并将其应用于尖峰放电神经网络的调节。结果在自发噪声下,新型脉冲神经元模型的尖峰放电间期信号直方图满足泊松分布。通过2个新型脉冲神经元的简单连接,可以形成多种复杂的尖峰放电模式。新型脉冲神经元模型具有自发本征噪声的特征,能够形成复杂的周期尖峰放电模式。对于输入噪声控制,该模型的不应期与门限电位适应性参数的稳定性较好。刺激电流-尖峰放电脉冲频率间的线性关系较好。结论所提出的新型脉冲神经元模型在自发噪声条件下能产生多种模式的振荡和相干振荡,这与生物神经元极其相似,能实现复杂的噪声信号处理。所采用的具有不同频带的多通道突触后电位滤波器,能使一些突触后电位信号变得平稳。所提出的基于于自适应LMS的BP学习算法克服了尖峰放电信号的瞬态变化特性导致的误差驱动学习算法无法应用的问题。
-
关键词
神经元建模
人工神经网络
尖峰放电
脉冲神经网络
学习算法
类脑计算
-
Keywords
neuron modeling
Artificial neural network
Spike firing
Pulse neural network
learning algorithm
Brain-inspired computing
-
分类号
R338
[医药卫生—人体生理学]
TP183
[自动化与计算机技术—控制理论与控制工程]
-