连续小波过程神经元网络在非线性函数逼近的应用

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

摘
要：建立舔于ＢＰ叫络的连续小波过程神经元恻络模，分析Ｉ络抒扑构。给 …学）】ｃｉｊ４Ｊ
。模根据＿络பைடு நூலகம்逼刈
近函数特性，选取Ｍｏｌ函数作为隐层结点激励两数，利用Ｌ算法训练Ｍ络权位、八度ｒ＝ ¨；Ｊ，输出ｒｔｅＭＳｊ、㈧ ¨ 层采用线性函数，使网络兼具过程神经元网络和小波变欹优点。分州连续小波过冲经／；；Ｊｌ引：】㈨
ＡｂＵａｔＴｅｐｐｒｅｔｂｉｅｅｃｎｉｕｕｖｌｔｒｃｓｔｘｌｅｗｏｋｄｌａｅｎＲＰｔｔｒ，ａａｙｅｓ ’ｃ：ｈａｅｓａｌｈｄｔｏｔｏｓｓｈｎｗａｅｅｏｅｓｒｕａｔｒｓｍｏｅｂｓｄｏｃｗｏ［ｎｌｚｄｐｅｎｌ＜
一
非线性函数，仿真结果表明，小波网络逼近精度明显优于ＢＰ网耋｝｝ ‘
文章编：１７９７（００７｛４一）６２－８０２１）０一）１１，】）２
关键词：小波变换：过程神经元网络；函数逼近
巾闺分类号：Ｔｌ３Ｐ８文献标识码：Ａ
＝：＝＝＝＝ … ＝． ’．＿＿＿＿一一＝： … 一 ‘ …
＼Ｌ３ＮＯ，）３ｌ；Ｓｅ．２０ｐ０ｉ
连续小波过程神经元网络在非线性函数逼近的应用
刘金月，祝宝玲
（，石油大学１东北计算机与信息技术学院，大庆１３１２６３ｇ．油ｍ公司天然气地而Ｔ稚建设项绎部，松原吉林ｌ８０）３００
ｔｐｏｇｓｒｃｕｅｏｅｗｏｋａｄｇａｅｒｎｌｒｔ．ｃｒｎｇｔｐｐｏｍａｉｇｆｍｏｔｏｈａａｔｒｓｉｓｏ’ｈｏｏｌｙｔｕｔｒｆｔｎｔｒｘｌａｎｉｇａｇｏｉｈｅｎｃｈｍＡｃｏｄｉｏａｒｘｉｔｎｉｉｎｃｒｃｅｉｔｔｅｃＪｈ，ｏｋ，ｔｅｙｒｈｅＭｏｌｔａｌｔｕｎｃｉｎｗａｍｐｏｙｄａｃｉｔｎｆｎｃｉｎｉｈｅｈｄｅｏｒｅｗｖｅｅｆｔｏｓｅｌｅｓａｔｉｕｔｏｎｔｖａｏｉｄｎｎｄｅ，ｎｅｗｏｋｗｅｇｈｓ，ｓａｅｆｃｔｒｉｔｃｌａ— ｔｒａｓｌｃｍｅｔｆｃｏｅｅｔａｎｄｉＳａｇｏｉｍ。ｌａｕｔｎ、ａｄｐｔｄｉｈｅｏｕｐｕａｅｓＩｏｎｄｄｉｐａｅｎａｔｒｗｒｒｉｅｂｙｕｓｎｇＬＭｌｒｔｈｉｒｆｎｃｉｎｅｏＶｓａｏｅｔｔｔｌｙｏＬｃｎｒ，１ｃｔｎｏｕｖｌｔｒｅｓｎｕａｔｏｋａｅｔｒｃａａｔｒｏｂｎｉｇｗｉ、ｅｅａｓｏｒｎｕｒｌｔｏｋｏｎｉｕｓｗａｅｅｏｃｓｅｒｌｗｒｓｈｄｂｔｅｈｒｃｅｓｃｍｉｎｔｗａ，ｌｔｒｎｆｎｌｄｎｅａｗｒＴｈｐｎｅｈｔａｎｅｅｃｎｉｕｓｗａｅｅｒｅｓｎｅｒｎｔｏｋｓａｄＢＰｔｏｋｗｅｅｕｅｐｒｘｉａｔｇｔ￣ｉｅｎｏｌａａ－ｕｎｔｏｌｃｐ￣ｏｔｎｏｕｖｌｔｏｃｓｕ￣ｅｗｒｎｎｅｗｒｒｓｄｉａｐｏｎａｉｈｅＳｌｎｈｅｔｆｃｉｉｒｓｃ。ｐｎｎｌ
第３卷第３３期
２１１９００１￣
。一一一一＝一 … ＝．＝一，一：一一一
长脊工人学学报（闩然利学版）
Ｊｕａｅ’ ｈｎ￣ｕｎｅｓｙｒｃｅｃｎｔｈｏｏｙＮａｒｌｏｎ￣ｄｔｎｏｒｌｌａｇｈｎＵｉｒｉｉｎｅｄＴ￣ｎｌ（ｔａＳｉ￣Ｅｉｏ）ｎＣｖｔｕＳａｏｇｕ￣ｉ
２ｔｒｌａｕｆｃｎｉｅｉｇｒｊａａｅｅｔｐｒｎｏｌｉｅｏａｙＳｎｙａ３０）．ｕａＧｓｒｅｇｎｒｏ￣ｔｎｇｍｎＤｅａｍｅｔｆｉｎＯｌｌＣｍｐｎ・ｏｇｕｎ１８０ＮａＳａＥｅｎＰＭｔＪｉｆｄｉ
ＬＩＪｎｕｅ，ＵｉｙＺＨＵｏｉｇＢａｌｎ
（．ｍｐｔｒａｎｏｍａ：ａＴ￣ｌｏｌｇｌｇＮｏｔｅｓｔｏｌｕｍｖｅｓｔＤａｎ３８：１ＣｏｕｅｎｄＩｆｒｔｃｍｏｙＣｏｌｅ，ｒｈａｔｒｅｅＰｅＵｎｉｒｉｙ，ｑｉｇｌ３ｌ６
ＣｏｉｏｓⅥ ，ｎｔｎｕｕ
ＩｔＰｒｃｓｅａｔｒｓｉｈｅｅｏｅｓＮｕｒｌＮｅｗｏｋｎｔ
ＡｐｌａｉｎｏｐｏｉｔｎｎｉｅｒＦｎｔｏｓｐｉｔｏｆｃＡｐｒｘｍａｉｇＮｏｌａｕｃｉｎｎ