多类单输入多项式神经网络预测能力比较

作者：张雨浓; 陈锦浩; 劳稳超; 张智军; 仇尧

来源：系统仿真学报, 2014, (01): 90-96.

DOI：10.16182/j.cnki.joss.2014.01.037

• 单输入多项式神经网络
• 权值与结构确定算法
• 预测
• 线性无关多项式
• 正交多项式
• 世界人口 single-input polynomial neuronet
• weights-and-structure-determination algorithm
• prediction
• linearly independent polynomials
• orthogonal polynomials
• world population

多项式神经网络是根据函数逼近理论与多项式插值建立的一种以线性无关或者正交多项式为隐层神经元激励函数的前向神经网络。分别利用Legendre多项式、Hermite多项式、第一类Chebyshev多项式、第二类Chebyshev多项式、Bernoulli多项式及幂函数构造相应的单输入多项式神经网络,设计出一种适用于该六类神经网络的增长型权值与结构确定算法以确定其相应的最优网络结构与连接权值。基于该算法,深入研究了采用不同的隐层神经元激励函数时多项式神经网络的学习和预测能力。仿真结果表明,除了由Hermite多项式和Bernoulli多项式构建的神经网络的学习和预测能力相对一般外,其他四类神经网络都...

• 出版日期2014
• 单位中山大学