一种改进的Jacobi正交多项式的BP神经网络算法 |
| |
作者单位: | 云南民族大学 数学与计算机科学学院 |
| |
基金项目: | 云南省自然科学基金资助项目(2011SZ169);云南省软件工程重点实验室开放基金;云南民族大学人才引进科研启动经费. |
| |
摘 要: | 根据多项式理论,构造一种以Jacobi正交多项式作为隐层神经元激励函数的BP(back-propagation)神经网络模型.针对该网络,提出一种改进算法即隐层神经元数可快速确定的权值直接确定算法.首先介绍正交基函数和Jacobi多项式的定义,以及BP神经网络的基本原理.然后进行网络隐层数设计及其隐神经元数的确定,且设置各层连接权值、给出改进算法的步骤.最后,将其与传统矩阵迭代法和Levenberg-Marquardt训练算法进行比较.计算机实验结果表明,该算法具有比传统的BP迭代法更快的计算速度,并且能够达到更高的工作精度.
|
关 键 词: | 正交多项式 神经网络 隐神经元 权值 |
|
| 点击此处可从《云南大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《云南大学学报(自然科学版)》下载全文 |