基于样条插值函数的离散过程神经网络训练

• 作者: 李盼池 王海英
• 来源期刊: 计算机应用研究
• 关键词: 过程神经网络 样条函数 网络训练 算法设计
• 年，卷（期）: 2011,（1）
• 页码范围: 75-77
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.01.019

摘要

为解决过程神经元网络不能直接输入离散样本的问题,提出基于样条插值函数的离散过程神经网络训练算法.首先,将离散过程样本按采样点分段,在采样区间内分别构造样本和权值的分段样条函数;然后,计算样本函数和权函数的乘积在采样区间上的积分,并将此积分值提交给网络的隐层过程神经元;最后,在输出层计算网络输出.分别采用一次、二次、三次样条函数,设计了三种不同的算法.实验结果表明:一次样条计算效率高,逼近能力差;三次样条计算效率低,但逼近能力好;二次样条在计算效率和逼近能力两方面都比较理想.因此,二次样条函数是离散过程神经网络的较好选择.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王海英	东北石油大学计算机与信息技术学院	29	99	6.0	9.0