基于分段线性插值的过程神经网络训练  

Process Neural Network Training Based on Piecewise Linear Interpolation

作　　者：肖红[1] 曹茂俊[1] 李盼池[1,2] 王海英[1] 

机构地区：[1]东北石油大学计算机与信息技术学院,黑龙江大庆163318 [2]东北石油大学石油与天然气工程博士后科研流动站,黑龙江大庆163318

出　　处：《计算机工程》2011年第20期211-212,215,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(61170132);中国博士后科学基金特别资助项目(201003405);中国博士后科学基金资助项目(20090460864);黑龙江省博士后科学基金资助项目(LBH-Z09289);黑龙江省教育厅科学技术研究基金资助项目(11551015;11551017)

摘　　要：过程神经元网络的输入为时变连续函数,不能直接输入离散样本。针对该问题,提出一种基于分段线性插值函数的过程神经网络训练方法。将样本函数、过程神经元权函数的离散化数据插值为分段表示的线性函数,计算样本函数与权值函数乘积在给定采样区间上的积分,将此积分值提交给网络的隐层过程神经元,并计算网络输出。实验结果证明了该方法的有效性。Process Neural Network（PNN） can only receive time-varying continuous functions,can not receive discrete samples.To solve this problem,a training algorithm of PNN based on piecewise linear interpolation function is proposed.The discrete data of both sample functions and weight functions are transformed to piecewise linear functions,and then the integrals of product of two linear functions at a given sampling interval are computed.As a result of aggregation,these integrals are submitted to process neurons of PNN hide layer.The networks output is obtained.Experimental results show the availability of the proposed method.

关 键 词：过程神经元 过程神经网络 线性插值函数 神经网络训练 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]