多层前向小世界神经网络的逼近与容错性能

• 作者: 张进华 李小虎 杜海峰 王孙安
• 来源期刊: 西安交通大学学报
• 关键词: 小世界神经网络 复杂网络 函数逼近
• 年，卷（期）: 2010,（7）
• 页码范围: 59-63
• 分类号: TP183
• 语种: 中文

摘要

基于Watts-Strogatz网络模型的构造思想,对多层前向神经网络中的规则连接依重连概率进行重连,构建了一种多层前向小世界神经网络模型.对该网络模型进行简要的数学描述,并以函数逼近和网络容错仿真考察了构建的小世界神经网络的性能.结果表明,与规则或随机连接的网络相比,当重连概率处于0.1～0.2时,小世界神经网络具有更优的逼近性能,且当网络学习速率参数在0.1～0.3之间时,对小世界神经网络的逼近性能影响较小.此外,当网络权值故障率小于30%时,重连概率不大于0.8的小世界神经网络与规则网络同样具有较优的容错性能,而当故障率大于40%时,重连概率较大的小世界神经网络和随机连接的神经网络的容错性能要明显优于规则网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王孙安	西安交通大学机械工程学院	128	2802	30.0	48.0
2	杜海峰	西安交通大学公共管理与复杂性科学研究中心	96	1787	24.0	39.0
3	张进华	西安交通大学机械工程学院	42	486	11.0	21.0
4	李小虎	西安交通大学机械工程学院	25	187	9.0	12.0