*带后续迭代的双极 S 函数激励的 WASD 神经网络

• 作者: 丁思彤 刘锦荣 张雨浓 毛明志 肖争利
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 神经网络 权值与结构直接确定 后续迭代 双极 S 激励函数 数值实验
• 年，卷（期）: 2016,（4）
• 页码范围: 1-10
• 页数: 10页
• 分类号: TP183
• 字数: 8083字
• 语种: 中文
• DOI: 10.13471/j.cnki.acta.snus.2016.04.001

摘要

结合 Levenberg-Marquardt 算法以及权值直接确定法这两种用于神经网络学习训练的方法，提出了一种带后续迭代、面向双极 S （sigmoid）激励函数神经网络的权值与结构确定（weights-and-structure-determination， WASD）方法。该方法与 MATLAB 软件神经网络工具箱相结合，可以解决传统神经网络普遍存在的学习时间长、网络结构难以确定、学习能力和泛化能力有待提高等不足，同时具有较好的可行性和可操作性。以非线性函数的数据拟合为例，计算机数值实验和对比结果证实了 WASD 方法确定出最优隐神经元数和最优权值的优越性，最终得到的 WASD 神经网络具有更为优异的学习性能和泛化性能。