【摘 要】
：
本文提出了一种复值函数型连接神经网络(CFLNN)结构,可以对复数域信号进行快速处理.函数型连接神经网络通过对输入模式预先进行非线性扩展,增强了输入信号的模式表达,从而可
论文部分内容阅读
本文提出了一种复值函数型连接神经网络(CFLNN)结构,可以对复数域信号进行快速处理.函数型连接神经网络通过对输入模式预先进行非线性扩展,增强了输入信号的模式表达,从而可以大为简化网络结构,降低计算复杂度.本文将函数型连接神经网络推广到了复值情况并给出了基于梯度下降的学习方法.计算复杂度分析显示本方法具有结构简单,计算量低的优点.最后,将本方法运用到对复值非线性系统的辩识问题中,仿真实验表明本CFLNN性能与传统复值前馈神经网络相近或更优.
其他文献
二期课改中心目标的确立和实施，不仅对教材的内容设置提出了新的更高的要求，同时，也对一线广大教师进一步转变教学理念、拓展教学思路、创新教学方式提供了新的机遇和挑战；如何使
针对图像复原提出了神经元状态连续变化的Hopfield神经网络模型,详细讨论了两种连续函数串行、全并 行复原算法的收敛性和参数选择,仿真实验表明,该模型能够精确达到能量极小点,并对复原图像的信噪比有一定的提高。
饲喂家禽使用的是粉状或颗粒饲料，然而，家禽饲料中使用液态原料的种类数量日趋增多。应用液态原料的优点在于：动物对营养素利用率高。水溶性营养素容易吸收利用，与粉料相比．同等的
在分析最小均方自适应滤波器(LMS AF)均方误差(MSE)的收敛性时,文献常用统计自相关矩阵代替瞬时自相关矩阵以简化分析,由此得出的收敛条件比较粗糙.本文指出:不相关高斯输入