一类乘性有理样条权函数神经网络灵敏度分析

• 作者: 张代远 王雷雷
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 样条权函数 样条插值 神经网络 灵敏度分析
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 50-54
• 页数: 5页
• 分类号: TP301
• 字数: 4506字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.10.011

摘要

样条权函数神经网络是一种新型的神经网络，它克服了传统神经网络收敛速度慢、初值敏感、局部极小的问题。因其能精确学习给定的样本，并且结构简单、训练速度快，因此被广泛关注。结合分子三次、分母一次的有理样条函数和样条权函数神经网络的优势，研究了分子三次、分母一次乘性有理样条权函数神经网络，并对其灵敏度进行了理论分析和实验仿真。通过理论分析和仿真可以看出，该神经网络具有分子三次、分母一次的有理样条和样条权函数神经网络的优越特性，在一定扰动范围内，该样条权函数神经网络的灵敏度稳定，具有很强的抗干扰能力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张代远	南京邮电大学计算机学院	65	457	10.0	19.0
10	王雷雷	南京邮电大学计算机学院	1	1	1.0	1.0