基于样条插值函数的离散过程神经网络训练
100 积分
50
评分
4.7 积分- 详情
- 2021-04-28
- 简介
pdf
- 221KB
- 页数 3P
- 阅读 99
- 下载 31
为解决过程神经元网络不能直接输入离散样本的问题,提出基于样条插值函数的离散过程神经网络训练算法。首先,将离散过程样本按采样点分段,在采样区间内分别构造样本和权值的分段样条函数;然后,计算样本函数和权函数的乘积在采样区间上的积分,并将此积分值提交给网络的隐层过程神经元;最后,在输出层计算网络输出。分别采用一次、二次、三次样条函数,设计了三种不同的算法。实验结果表明:一次样条计算效率高,逼近能力差;三次样条计算效率低,但逼近能力好;二次样条在计算效率和逼近能力两方面都比较理想。因此,二次样条函数是离散过程神经网络的较好选择。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于样条插值函数的离散过程神经网络训练 221KB
基于分段线性插值的过程神经网络训练 1.2MB
建筑结构基于RBF神经网络的离散滑模控制研究 837KB
一般有界Sigmoidal函数神经网络的插值与逼近 264KB
基于BP神经网络的缺测降水数据插补 264KB
基于BP神经网络的缺测降水数据插补 264KB
基于BP神经网络的农资库存数据插补技术 166KB
Hermite插值神经网络权值和结构确定理论探讨 361KB
基于径向基函数神经网络的工程造价估算 40KB
基于均匀设计的神经网络预测焊条熔化特性 246KB