神经网络传递函数的功能分析与仿真研究

• 作者: 张晓文 杨煜普 许晓鸣
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 广义级数展开 神经网络 复合传递函数
• 年，卷（期）: 2005,（10）
• 所属期刊栏目: 人工智能与专家系统
• 页码范围: 176-178
• 页数: 3页
• 分类号: TP183
• 字数: 3243字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2005.10.047

摘要

从函数映射的角度,以三层前向神经网络为例,对神经网络的映射关系进行了分析,提出前向神经网络的映射关系可以视为一种广义级数展开,展开系数就是隐层与输出层的连接权,而传递函数的作用在于提供一个"母基",它与输入到隐层间的连接权一起,构造了不同的展开函数.根据这一理论,着重对神经网络传递函数在映射中的作用进行了分析,指出如果灵活选择多个复合传递函数,可以使网络以更少的参数、更少的隐节点,完成从输入到输出的映射,从而提高神经网络的泛化能力.利用遗传优化对一个两类分类问题的训练仿真结果表明,采用混合传递函数,的确能够以更少的隐节点实现所需要的映射关系,网络结构的复杂度低,泛化能力也更好.该结果也进一步证实了神经网络映射关系的广义级数展开的正确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许晓鸣	上海交通大学自动化系	132	2698	28.0	46.0
2	杨煜普	上海交通大学自动化系	125	1534	23.0	35.0
3	张晓文	上海交通大学自动化系	15	230	8.0	15.0