首页 | 本学科首页   官方微博 | 高级检索  
     

多输出神经元模型的多层前向神经网络及其应用
引用本文:汪秉文,沈艳军,何统洲.多输出神经元模型的多层前向神经网络及其应用[J].控制理论与应用,2004,21(4):611-613.
作者姓名:汪秉文  沈艳军  何统洲
作者单位:1. 华中科技大学,控制科学与工程系,湖北,武汉,430074
2. 陨阳师范高等专科学校,计算机系,湖北,陨阳,442700
摘    要:研究了一种新的多输出神经元模型.首先,给出这类模型的一般形式,并将该模型应用于多层前向神经网络;其次,给出了其学习算法,即递推最小二乘算法,最后通过几个模拟实验表明,采用多输出神经元模型的多层前向神经网络,具有结构简单,泛化能力强,收敛速度快,收敛精度高等特点,其性能远远优于激活函数可调模型的多层前向神经网络.

关 键 词:神经网络  神经元模型  递推最小二乘算法  多输出神经元模型
文章编号:1000-8152(2004)04-0611-03
收稿时间:2003/2/19 0:00:00
修稿时间:2003/6/26 0:00:00

Multilayer feedforward neural networkswith multioutput neural model and its application
WANG Bing-wen,SHEN Yan-jun,HE Tong-zhou.Multilayer feedforward neural networkswith multioutput neural model and its application[J].Control Theory & Applications,2004,21(4):611-613.
Authors:WANG Bing-wen  SHEN Yan-jun  HE Tong-zhou
Affiliation:Department of control science and engineering,Huazhong University of Science & Technology,Wuhan Hubei 430074,China; Computer Department,Yunyang Teachers'College,Yunyang Hubei 442700,China
Abstract:A multi_output neural model and its general form are presented.The recurrent least square,a learning algorithm,was used to train multilayer feedforward neural networks(MFNN) with this new model.Several simulations demonstrated that MO (multi_output neural)_MFNN has simple architecture, excellent generalization capacity, fast speed of convergence and improved accuracy. Its performance is superior to TAF (tunable activation function) MFNN.
Keywords:neural networks  neural model  recurrent least square(RLS)  multi_output neural model
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《控制理论与应用》浏览原始摘要信息
点击此处可从《控制理论与应用》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号