Hermite插值神經網絡權值和結構確定理論探討
2010-12-31 00:00:00張雨濃李凌峰郭東生楊逸文
計算機應用研究 2010年11期
0 引言
由于高度的并行性、分布式存儲、自適應學習能力等特點，人工神經網絡(artificial neural networks)被廣泛應用于各種科學領域，如人工智能、模式識別、信號處理和機器人及其非線性控制等領域。人們也曾利用神經網絡開展過矩陣方程求解(如矩陣實時求逆)等科學計算工作，以及冗余度機械臂的控制，并取得了較好的成果。在實踐中應用最為廣泛的是由Rumelhart等人于20世紀80年代提出的BP(back propa-gation)神經網絡。該神經網絡是一種基于誤差回傳算法(即BP算法)迭代訓練網絡權值的神經網絡。換而言之，BP算法是根據網絡誤差的負梯度方向反向傳播信息，不斷調整網絡的權值和閾值，使誤差函數朝不斷減小的方向變化。其權值迭代修正的公式可簡寫為
