版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、中南大學(xué)博士學(xué)位論文基于構(gòu)造型前饋神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近與應(yīng)用姓名:侯木舟申請學(xué)位級別:博士專業(yè):計算機應(yīng)用技術(shù)指導(dǎo)教師:韓旭里20091001進一步,將前饋神經(jīng)網(wǎng)絡(luò)的激活函數(shù)換成小波函數(shù),得到小波前饋神經(jīng)網(wǎng)絡(luò),證明了這種具有nl單隱層個神經(jīng)元的神經(jīng)網(wǎng)絡(luò),能精確插值n1個樣本,同樣根據(jù)樣本值構(gòu)造它的內(nèi)部和外部權(quán)值,證明了這種構(gòu)造型小波前饋神經(jīng)網(wǎng)絡(luò)能以任意精度近似地插值這些樣本。進一步,證明了它能以任意精度一致逼近閉區(qū)間上的任意連續(xù)函數(shù)。同時
2、將上述結(jié)論推廣到了多維的情況。并通過數(shù)值實驗,驗證了上述結(jié)論的正確性和有效性。對于多維情況,采用比以前更簡潔、更有效的構(gòu)造方法,得到另一種構(gòu)造型前饋小波徑向基神經(jīng)網(wǎng)絡(luò),同樣證明了這種具有nl單隱層個神經(jīng)元的小波徑向基神經(jīng)網(wǎng)絡(luò),能精確插值n1個多維樣本,進一步,證明了它能以任意精度一致逼近閉區(qū)域上任意多維連續(xù)函數(shù)。并通過Matlab編程和數(shù)值實驗,驗證了這種網(wǎng)絡(luò)操作上更簡潔,收斂速度更快。將上述小波徑向基神經(jīng)網(wǎng)絡(luò)推廣到r(R)RBF神經(jīng)網(wǎng)
3、絡(luò),對于多維數(shù)據(jù)與連續(xù)函數(shù),證明了與小波神經(jīng)網(wǎng)絡(luò)同樣的結(jié)論。并和CRBF網(wǎng)絡(luò)、BP網(wǎng)絡(luò)、ELM、SVM比較起來,通過8個實驗進一步驗證了L2RNNs具有更快的收斂速度和更好的泛化性能。將上述構(gòu)造型sigmoid神經(jīng)網(wǎng)絡(luò)應(yīng)用到EEG信號預(yù)測、并和學(xué)習(xí)型BP神經(jīng)網(wǎng)絡(luò)的預(yù)測方法和結(jié)果作對比,在樣本數(shù)量不至于出現(xiàn)災(zāi)難維的情況下,構(gòu)造型sigmoid神經(jīng)網(wǎng)絡(luò)體現(xiàn)出了明顯的優(yōu)越性。將學(xué)習(xí)型BP神經(jīng)網(wǎng)絡(luò)和構(gòu)造型小波神經(jīng)網(wǎng)絡(luò)應(yīng)用到長株潭地區(qū)環(huán)境數(shù)據(jù)預(yù)測
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Gaussian型RBF神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近與應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近方法研究.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究.pdf
- 前饋型神經(jīng)網(wǎng)絡(luò)及其應(yīng)用的研究.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)算法研究及其應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的一類函數(shù)逼近.pdf
- 基于小波神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)逼近.pdf
- 多層前饋神經(jīng)網(wǎng)絡(luò)算法的改進及應(yīng)用.pdf
- 關(guān)于神經(jīng)網(wǎng)絡(luò)與樣條函數(shù)的逼近性能研究.pdf
- 基于PSO與BP前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究.pdf
- 基于遺傳算法的前饋神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)工作機理分析與學(xué)習(xí)算法.pdf
- 通用前饋神經(jīng)網(wǎng)絡(luò)代碼庫的設(shè)計.pdf
- Sum-of-Product神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的逼近能力研究.pdf
- 基于遺傳前饋神經(jīng)網(wǎng)絡(luò)自適應(yīng)均衡算法的研究.pdf
- 基于反傳混沌粒子群訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)應(yīng)用研究.pdf
- 前饋人工神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn)研究.pdf
- 前饋神經(jīng)網(wǎng)絡(luò)的奇異學(xué)習(xí)動態(tài)研究.pdf
- 遺傳前饋神經(jīng)網(wǎng)絡(luò)盲均衡算法的研究.pdf
- 基于視覺分層的前饋多脈沖神經(jīng)網(wǎng)絡(luò)算法研究.pdf
評論
0/150
提交評論