函数逼近神经网络的一种快速学习算法

通过分析特学习参数的不同特性，提出一种快速收敛方法，使网络的收敛速度大大提高。通过对多种函数的实验，与不同的网络结构对比，表明此方法具有很强的普遍性。     

布尔神经网络的一种高效率学习算法

把二进神经网络学习算法推广至一般情形,利用汉明球及立方体的空间覆盖生成隐层神经元并对空间集合的相交、汉明球与低维空间的笛卡尔积在神经网络中的表现形式进行了深入探讨,得出几个旨在提高学习效率和减少布尔函数实现复杂性的有用结论,并融合形成完整的学习算法。     

函数链神经网络的GA辅助训练方法

本文提出了将遗传算法(GA)和δ规则相结合，来调整一种无隐层的前向网络神经网络一函数链神经网络的参数及结构的方法，并将提出的算法用于2bit异或和曲面拟和问题，实验结果良好。     

函数链及其在语音识别中的应用

本文根据加权倒变距离测度，提出了一种用于非特定人语音识别的函数链神经网络。此网络与多层感知器相比，不仅具有较高的识别别率，而且大大缩短了网络的学习时间。我们采用６人（３男，３女）的语音数据对汉语十个数字进行了实验，正确识别率为９３．７％。     

径向基函数神经网络的再学习算法及其应用

为了应用径向基函数神经网络逐步地识别待研究系统,文章针对径向基函数神经网络的再学习算法开展了深入的研究.应用严格的数学推理方法,将径向基函数神经网络的再学习问题转化为矩阵求逆的附加运算.详细给出了径向基函数神经网络再学习算法中增加新训练样本和增加新基函数的数学公式,同时对如何获取新的训练样本进行了研究.     

用于电磁兼容预测的函数链神经网络

为了解决传统BP神经网络的电磁兼容性预测方法存在易于局部收敛的问题,提出了一种基于模糊测度的函数链神经网络。该网络通过函数链将初始权重扩展到更高维度上,在实现传统BP网络多层感知的功能同时,计算过程仅为单层运算,因以收敛速度比多层的BP神经网络更快,解决了网络在解决非线性问题时,收敛于局部最小的问题。实验结果表明,提出的基于模糊测度的函数链神经网络在预测电磁兼容性方面更加精确。     

径向基函数神经网络的一种有效的在线学习方法

本文提出了一种径向基函数神经网络的有效在线学习方法。该学习方法不仅能根据输入信息的增加而动态地分配网络资源,而且能有效回收网络的冗余资源。在学习过程中网络的参数可以自适应地序贯进行调整。文中详细论述了这种神经网络的学习准则、动态增减隐节点算法和参数调整算法。同时通过分析和实验说明网络具有较强的映射能力和预测性能。     

深度学习算法的激活函数研究

作为深度学习算法中重要的环节,激活函数可以为神经网络引入非线性因素.大量学者通过提出或改进激活函数的方法在一定程度上提高了算法的优化及泛化能力.研究了现阶段的激活函数,将激活函数大致分为S系激活函数和ReLU系激活函数,从不同激活函数的功能特点和存在的饱和性、零点对称和梯度消失及梯度爆炸的现象进行研究分析,针对Sigm...     

径向基函数网络的ABS投影学习算法

Ｂｒｏｏｍｈｅａｄ（１９８８），Ｃｈｅｎ（１９９１）等人提出的ＲＢＦ网络的学习算法都是基于传统的ＬＭＳ算法，因此具有一定的局限性。本文提出了一种新的ＲＢＦ网络的学习算法－ＡＢＳ投影学习算法，它是一种直接的学习算法。计算机模拟的结果表明，它具有学习效率高，识别率高和适用范围广的优点。     

一种新的高斯基函数分类器训练方法的研究

本文主要研究高斯基函数分类器的训练问题，对基函数分类器来说，如何确定网络的初始隐层节点数和隐层节点参数是一个重要问题，文中采用基于遗传算法的高斯核函数聚类方法和模糊决策技术完成分类器的初始结构和参数确定，然后再采用反向传播（ＢＰ）学习算法完成分类器的最终训练，典型实验的结果表明了该方法的有效性。     

一种新的贝叶斯调制分类算法

提出了一种基于马尔可夫链蒙特卡罗(MCMC)的数字调制分类方法。针对存在未知残留载波相位和频率时贝叶斯分类难以实现的问题,采用Metropolis-Hastings(M-H)算法估计边缘似然概率密度,从而在分类性能上保持了贝叶斯分类的理论最优性和稳健性。利用对比实验验证了方法的性能。     

一种量子竞争学习算法

量子计算（Quantum Computation）以其独特的性能引起广泛瞩目。本文尝试将量子计算与传统的神经计算结合起来，通过设计若干个量子算子来构造Hamming神经网络的量子对照物，从而提出一种量子竞争学习算法（Quantum Competitive Learning Algorithm,QCLA），它能够实现模式分类和联想记忆。     

一个新的二进前向多层网学习算法及布尔函数优化实现

本文首先给出二进前向多层网几何学习算法的一个改进策略,提高了原算法的学习效率,然后同个新的神经网络启发式遗传几何学习算法。ＨＧＧＬ算法采用面向知识的交叉算子和变异算子对几何超平面进行优化的划分,同时确定隐层神经元的个数及连接权系数和阈值,对任意布尔函数,ＨＧＧＬ算法可获得迄今为止隐节点数量少的神经网络结构。     

基于核函数法及马尔可夫链的节点定位算法

基于贝叶斯滤波框架,提出了基于核函数法及马尔可夫链的节点定位算法,该算法采用射频指纹匹配技术,使用核函数构建似然函数,充分利用观测与多个训练样本之间的相似性,避免使用先验确定型信号分布模型产生的误差.此外,为提高移动目标的定位精度和定位实时性,该算法还使用马尔可夫链,通过利用目标的历史状态和环境布局等信息对匹配定位的网格搜索空间进行限制,剔除目标移动过程中不可能发生的位置跳变.实验证明,与高斯分布模型相比,所提定位算法具有更高的定位正确率和定位精度.     

前馈神经网络的一种有效学习算法

本文提出了基于混合ＧＮ－ＢＦＧＳ法进行前馈神经网络学习的新算法，该算法结合ＧＮ法与ＢＦＧＳ法的特点，既利用了问题本身的特殊结构，又能取得超线性甚至二次渐近收敛率。与ＢＰ算法相比，这种算法可取得更快和更可靠的学习特性，在学习过程中利用该方法能够区分非零残量和零残量问题的特点，提出了自动调整隐单元数的方法，从而可以保证网络学习与归纳能力，示例系统的结果表明了所提方法的有效性。     

一种基于窗函数法设计FIR数字滤波器的新算法

在用窗函数法设计FIR数字滤波器时,设计的优化主要通过调整窗函数来进行的。文中提出一种新的优化算法,其基本思想是在窗函数和滤波器阶数不变的情况下,通过迭代运算寻找一个最佳的频率响应函数,对此频率响应函数的傅里叶反变换进行加窗所设计出的滤波器的频率响应相对于理想频率响应的逼近误差最小。文中对算法的运用和改进作了说明,并给出一个设计实例。     

实时处理中常用函数的求值新算法

针对实时处理中常用函数的快速求值问题，文章提出了一种新算法，与已有方法相比，该算法具有速度快、精度高、误差均匀分布的特点。这一算法已在某一以Ｉｎｔｅｌ８０８６微处理机为基础的雷达数据处理系统中得到应用。     

径向基函数网络的ABS投影学习算法

Broomhead(1988),Chen(1991)等人提出的RBF网络的学习算法都是基于传统的LMS算法,因此具有一定的局限性。本文提出了一种新的RBF网络的学习算法ABS投影学习算法,它是一种直接的学习算法。计算机模拟的结果表明,它具有学习效率高,识别率高和适用范围广的优点。     

双基数链算法计算Tate对的一种改进

 双线性对在基于身份的密码体制中有着广泛的应用.Miller算法是计算双线性对的核心算法.本文在双基数链计算Tate对的基础上给出了一种高效的Miller算法.通过范函数和共轭技巧的应用,减少了Miller算法中有理函数直线和垂线的数量并用共轭代替了求逆运算.结果表明新算法与已有算法相比效率提高了10%以上.     

聚类分析中竞争学习的一种新算法

分析指出ＲＰＣＬ算法的不足，提出一种竞争学习新算法，新算法引入数据点的密度定义，在权值的调整中考虑了数据集的几何结构对体验财整的影响，克服了ＲＰＣＬ算法的不足，理论分析与实验表明，新算法不仅可以自动确定九，而且提高聚类准确性和收敛速度。