基于层连优化的新型小世界神经网络  

Novel small-world neural network based on topology optimization

作　　者：王爽心[1] 杨成慧[1] 

机构地区：[1]北京交通大学机械与电子控制工程学院,北京100044

出　　处：《控制与决策》2014年第1期77-82,共6页Control and Decision

基　　金：国家自然科学基金项目(50776005)

摘　　要：对多层前向小世界神经网络的网络参数、权值修正策略以及网络结构进行改进,提出一种基于层连优化的小世界神经网络的改进算法.通过对比现有各种不同形式的小世界神经网络,验证了上述改进的必要性.仿真结果表明,改进模型比现有小世界神经网络收敛速度更快,逼近精度更高,模型稳定性更强.Aiming at the method of adjusting weights, parameters and the structure of the network, an improved algorithm for the small-world neural network is proposed based on topology optimization. Simulation results show that the novel network model has a better performance of fast convergence rates, high approximation accuracy and strong stability on the comparison with different kinds of existed small-world neural networks.

关 键 词：小世界网络 多层前向神经网络 层连优化 BP算法 函数逼近 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]