自适应链接超平面及其与高阶典范模型的比较

• 作者: 王书宁 王晶 许鋆
• 来源期刊: 清华大学学报（自然科学版）
• 学科: 工学
• 关键词: 神经网络 非线性逼近 分片线性 自适应 链接超平面
• 年，卷（期）: 2010,（10）
• 所属期刊栏目: 自动化
• 页码范围: 1747-1751
• 页数: 5页
• 分类号: TP183
• 语种: 中文

摘要

自适应链接超平面模型(AHH)是一种自适应的分片线性模型,可以作为一种人工神经网络用于非线性函数逼近.通过代数等价变换,该文证明,基于单纯形划分的高阶典范模型(HL-CPWL)的基函数等价于AHH模型的一种基函数,HL-CPWL模型是AHH模型的一个特例.较之HL-CPWL模型,AHH模型的定义域划分更为灵活,使得其更适合于函数逼近.AHH的通用逼近性也由HL-CPWL具有通用逼近能力而直接得到.仿真结果表明,较之HL-CPWL,AHH能够以较少的参数给出较好的逼近结果,具有更好的模型质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王书宁		47	155	8.0	11.0
2	王晶		43	302	9.0	16.0
3	许鋆		2	0	0.0	0.0