利用S-B自适应采样方法加速基于空间映射技术的神经网络建模  

Accelerated SM-Based Neuromodeling Exploiting S-B AFS Technique

作　　者：丁燕[1] 方大纲[1] 

机构地区：[1]南京理工大学毫米波技术研究室,南京210094

出　　处：《微波学报》2005年第4期1-5,共5页Journal of Microwaves

基　　金：国家自然科学基金资助项目(60171017)

摘　　要：将空间映射技术用于辅助神经网络的建模可以帮助降低神经网络的复杂程度,从而达到降低训练成本的目的。但是,不论是空间映射技术还是神经网络的训练,需要大量的采样是这一技术中一个关键问题。本文将一种灵活高效的自适应采样技术运用在基于空间映射技术的神经网络建模过程中,大大减少了建模需要的采样时间,提高了最终得到模型的精度。In neuromodeling, space-mapping technique is used to simplify the relation between the NN＇s training data and teaching data and therefore to reduce the cost for training. In both space-mapping technique and NN technique, a large quantity of frequency samples is always required. In this paper, a Stoer-Bulirsch adaptive frequency sampling （S-B AFS） technique is used to decrease the cost for such frequency sweeps. Numerical results confirm the validity of this approach in both reducing the sampling time and in increasing the accuracy of the neuromodel.

关 键 词：空间映射 S-B自适应采样技术 神经网络 映射技术 自适应采样 采样方法 空间 加速 复杂程度 建模过程 技术运用 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]