Hermite插值神经网络权值和结构确定理论探讨  

On weights and structure determination of Hermite-interpolation neural network

作　　者：张雨浓[1] 李凌峰[1] 郭东生[1] 杨逸文[1] 

机构地区：[1]中山大学信息科学与技术学院,广州510006

出　　处：《计算机应用研究》2010年第11期4048-4051,共4页Application Research of Computers

基　　金：国家自然科学基金资助项目(60775050);"新世纪优秀人才支持计划"基金资助项目(NCET-07-0887)

摘　　要：为了克服BP神经网络固有的缺陷,基于Hermite插值理论,构造了一种新型的前向神经网络模型(即Hermite插值神经网络模型)。针对该网络模型,提出了一种基于矩阵伪逆的权值直接确定方法,并在此基础上探讨了隐神经元数目自动确定的方法(即网络结构自确定方法)。计算机仿真结果表明,相比于传统的BP神经网络,使用权值与结构双确定方法的Hermite插值神经网络具有更好的收敛速度和校验能力。同时,也验证了该神经网络良好的降噪和预测能力。In order to overcome the inherent drawbacks of BP neural network,based on the Hermite-interpolation theory,this paper constructed a novel type of feed-forward neural-network model,which could be termed as Hermite-interpolation neuralnetwork model.For this model,it presented a pseudo-inverse based weights determination method（or termed,weights-directdetermination method） ;and further investigated the determination of the hidden-layer neuron number（i.e.,structure-automatic-determination method）.Computer-simulation results demonstrate that the presented Hermite-interpolation neural network with the above two methods can converge faster,and has a better testing performance（as compared to BP neural network）,as well as the great de-noising and forecasting capabilities.

关 键 词：前向神经网络 HERMITE插值 权值直接确定方法 网络结构自确定方法 BP神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]