基于离散Walsh变换的过程神经元网络学习算法

针对过程神经元网络的训练问题,提出了一种基于离散Walsh变换的学习算法。对网络过程式输入及时变权向量,实施离散Walsh变换,用变换后的数据训练网络。在该算法下,可简化过程神经元的聚合运算,避免复杂的积分过程,使过程神经元网络的训练等同于普通网络的训练,即将泛函数逼近问题转化为函数优化计算问题。仿真实验证明了该算法的有效性。