基于傅立叶函数基变换的过程神经元网络学习算法  

Learning algorithm of procedure neural network based on orthogonal function base

作　　者：许少华[1] 蔡月芹[1] 谢树民[2] 

机构地区：[1]大庆石油学院计算机与信息技术学院,黑龙江大庆163318 [2]中兴通讯股份有限公司中心研究院,广东深圳518057

出　　处：《计算机工程与设计》2006年第23期4413-4415,4418,共4页Computer Engineering and Design

基　　金：国家自然科学基金项目(60373102);教育部博士点基金项目(20030001701)

摘　　要：针对过程神经元网络训练涉及的时域聚合运算问题,提出了一种基于傅立叶正交函数基展开的过程神经元网络学习算法。在网络输入函数空间中引入傅立叶正交函数基,将输入函数和网络连接权函数表示为该组正交基的有限项展开形式,利用函数基的正交性,可简化过程神经元在时间聚合运算中的复杂性,提高网络学习效率。给出了具体的实现算法,仿真实验结果证明了算法的有效性。Aimed at procedure neural network （PNN） ＇s aggregation operation problem in time field, a learning algorithm of PNN based on orthogonal is shown. Fourier fimction orthogonal base is introduced into input function space of network, and both input function and weight function are denoted limited items offunction orthogonal base. Using the orthogonality of function base, the complexity of PNN in time aggregation computing is simplified, the learning efficiency ofthe network is improved. The algorithm ofgeneral realization is presented, and the simulation experience proved availability of the algorithm.

关 键 词：过程神经元 正交函数基 傅立叶变换 学习算法 泛函逼近 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]