自组织前向神经网络与非线性动态系统模化

• 作者: 刘德昌 申弢 韩守木 黄树红
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 神经网络 训练算法 非线性系统 自组织
• 年，卷（期）: 2000,（1）
• 所属期刊栏目: 短文
• 页码范围: 96-98
• 页数: 3页
• 分类号: TP3
• 字数: 2881字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8152.2000.01.023

摘要

将自组织学习过程引入到前向网络的训练中,提出了一种新的三层前向神经网络的训练方法.训练过程首先利用自组织分簇算法确定隐含层结点的数目以及权值,然后通过求解线性最小二乘问题估计输出层权值.自组织过程产生的激活权值对输入数据具有一种特征变换的功能.利用该方法训练的网络可以称之为自组织前向网络(SOFN).文中通过实际非线性动态系统建模的例子,说明了SOFN网络具有良好性能.