10.3321/j.issn:1001-506X.2006.08.036
一种复值可分离的泛函网络学习算法
泛函网络是最近提出的一种对神经网络的一般化推广.与神经网络不同,它处理的只是一般的实值泛函模型,针对该问题,将实值泛函神经元推广到复值泛函神经元,再对复值泛函神经元的结构作了变形,提出了一种复值泛函网络新模型,给出了基于梯度下降法的复值可分离泛函网络学习算法. 采用复分析的方法,利用单一泛函神经元模型,借助于正交边界和实步长函数概念求解复值XOR分类问题.通过理论分析可看出,相比复值神经网络,用复值泛函网络解决问题具有很强的计算能力.
复基函数簇、复值泛函网络、学习算法、复XOR分类、正交边界、实步长函数
28
TP183(自动化基础理论)
国家自然科学基金60461001;广西自然科学基金0542048
2006-09-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
1244-1248