權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn).pdf

1、在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法(如BP算法、RBF算法)中，權(quán)值為常數(shù)，不能夠?qū)颖拘畔⑦M(jìn)行完全記憶。針對(duì)這種問題，南京郵電大學(xué)的張代遠(yuǎn)教授在其專著《神經(jīng)網(wǎng)絡(luò)新理論與方法》中提出權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)算法，用權(quán)函數(shù)代替權(quán)值，能夠?qū)崿F(xiàn)在學(xué)習(xí)訓(xùn)練中對(duì)樣本特征的精確記憶，并且，在這種新型網(wǎng)絡(luò)算法中，神經(jīng)網(wǎng)絡(luò)泛化能力隨著樣本個(gè)數(shù)的增加而增強(qiáng)。但是一般情況下，通過有限個(gè)已知樣本點(diǎn)求理論權(quán)函數(shù)是不可能做到的。在張代遠(yuǎn)教授的研究基礎(chǔ)上，可以通過插值的方法求得近似的權(quán)

2、函數(shù)，構(gòu)造權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)。
　　本文在MATLAB下編程的理論部分，主要是依據(jù)權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的理論研究。通過插值方法構(gòu)造近似權(quán)函數(shù)，對(duì)權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)在多輸入單輸出和多輸入多輸出兩種情況下的誤差進(jìn)行分析。分析結(jié)果表明，訓(xùn)練樣本個(gè)數(shù)越多，誤差值越小。在軟件實(shí)現(xiàn)部分，本課題主要實(shí)現(xiàn)的是關(guān)于權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)在MATLAB實(shí)現(xiàn)的應(yīng)用研究。針對(duì)該軟件需求分析設(shè)計(jì)出能夠通過網(wǎng)絡(luò)參數(shù)建立權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)，對(duì)于樣本的采集，加權(quán)因子的輸入，設(shè)計(jì)出能夠