| 一种改进型离散Hopfield学习算法 |
| |
| 作者姓名： | 李荣乔俊飞 韩红桂 |
| |
| 作者单位： | 1. 北京工业大学电子信息与控制工程学院,北京100124
2. 北京农业职业学院水利与建筑工程系,北京102442 |
| |
| 基金项目： | 国家自然科学基金重点项目(61034008);国家自然科学基金项目(61203099);北京市自然科学基金项目(4122006);教育部博士点新教师基金项目(20121103120020). |
| |
| 摘 要： | 针对离散Hopfield 神经网络(DHNN) 的权值设计问题, 提出一种改进型学习算法, 并在DHNN动力学分析的基础上设计该学习算法. 利用矩阵分解的方法(MD) 得到正交矩阵, 并采用得到的正交矩阵直接计算DHNN的权值矩阵. 通过该学习算法得到的权值矩阵, 可以很好地存储训练样本的信息, 使测试样本收敛到稳定点. 该学习算法不需要进行分块计算, 减少了计算步骤和计算量, 降低了网络的迭代次数, 从而提高了网络运行速度. 最后, 将该学习算法应用于水质评价, 验证了其有效性和可行性.
|
| 关 键 词： | 离散Hopfield 神经网络 权值矩阵 矩阵分解 水质评价 |
| 收稿时间： | 2012-10-15 |
| 修稿时间： | 2013-01-23 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
|
