用 Hopfield 网络求 LS 法的损失函数及辨识参数

讨论了用连续Ｈｏｐｆｉｅｌｄ神经网络实现最小二乘（ＬＳ）法同时求损失函数及辨识参数，进而对该网络的一次输入的矩阵参数进行多阶次辨识的计算。通过增加一维输入矩阵使其构成计算所需要的结构，及根据最小二乘法结构上的特点对该网络的反馈信息加以控制的手段，使该网络在稳定时，能够同时输出辨识参数及损失函数。依此顺序对反馈信号进行控制。

对用TH神经网络实现最小二乘法的研究

本文将最小二乘法的结构特性同TH神经网络实现相结合,通过对神经元的输入端加电子开关;使可对输入的矩阵的结构进行控制,以使网络适应于不同维数的输入信息的处理,同样,控制开关可以使网络对现输入进行有迟延及给定结构系统的参数估计以及更重要的可对同批输入的数据获得小于或等于给定阶次的各阶参数.