基于样条插值函数的离散过程神经网络训练
基于样条插值函数的离散过程神经网络训练
100 4.7
31 2021-04-28
pdf | 221KB | 3页
正文 简介
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。
对不起，您暂无在线预览权限，如需浏览请
立即登录*温馨提示：该数据为用户自主上传分享，如有侵权请举报或联系客服：400-823-1298处理。
热门商品
- 2023-04-21 BUHb313534361*** 24KB 4.5
- 2023-04-21 BUHb313534361*** 42KB 4.5
- 2023-04-14 BUHb313534361*** 44KB 4.5
- 2023-04-12 chenzhipan20010*** 90KB 4.5
- 2023-04-12 chenzhipan20010*** 52KB 5
- 2023-03-06 18826288*** 576KB 5
- 2023-02-14 18826288*** 1.5MB 5
- 2022-09-16 Hc4Bq15738896*** 15KB 5
- 2022-09-07 jiang2*** 39KB 4.5
- 2022-09-07 jiang2*** 10.3MB 4.5
您可能感兴趣
50
原价:
100 积分
立即购买