针对过程神经元网络的训练问题,提出了一种基于数值积分的学习算法.直接采用数值积分进行网络中动态样本与连接权函数的时域加权聚合运算,采用梯度下降法实现连接权函数特征参数及网络性质参数的调整.设计了基于梯形积分、辛普森积分、柯特斯积分等3种过程神经元网络数值积分训练方法,以太阳黑子数据预测为例进行仿真实验,结果表明,基于数值积分的过程神经元网络训练算法是有效的,其中辛普森积分算法的性能最优.国家自然科学基金项目; 黑龙江省科技攻关项目中文核心期刊要目总览(PKU)中国科技核心期刊(ISTIC)中国科学引文数据库(CSCD)011203-2053
Дан анализ особенностей обучения человека и машины, реализующей искусственную нейронную сеть. Рассмо...
针对动态信号分类及与先验类别知识融合问题,提出了一种概率过程神经元网络模型.模型将贝叶斯概率分类机制与过程神经元网络动态信号处理方法相结合,通过在前馈过程神经元网络中增加一个模式单元层,以及采用归一化...
Работа посвящена разработке эффективных алгоритмов обучения многослойных гетерогенных нейронных сете...
针对时变输入/输出过程神经网络的训练问题，提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相结合的学习方法。综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质，基于PNN训练...
针对输入/输出均为时变函数的非线性系统建模问题,提出一种时变输入输出过程神经元网络模型,并给出了具体的学习算法.过程神经元网络的输入、输出均可为时变函数,其空间、时间聚合算子分别取为空间加权求和及含时...
基于粒子群优化为过程神经元网络提出了一种新的学习算法.新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化.新算法不依赖于...
针对连续系统输入过程可分为若干时间阶段,输出为一个即依赖于当前阶段系统过程输入,又与前一阶段系统状态有关的离散过程,提出了一种级联过程神经元网络模型.将连续输入信号分阶段处理,不同阶段系统输入输出映射...
针对非线性动态系统控制问题,提出了一种基于过程神经网络的控制信号求解模型和算法.利用过程神经网络对动态系统时变输入/输出信号的非线性映射机制和对系统过程模态特征的自适应提取能力,建立基于过程神经网络的...
针对系统输入为多元过程函数以及多维过程信号的信息处理问题,提出了多聚合过程神经元和多聚合过程神经元网络模型.多聚合过程神经元的输入和连接权均可以是多元过程函数,其聚合运算包括对多个输入函数的空间加权聚...
为了解决实际系统中输入、输出经常是时变连续函数的问题,提出了一类基于基函数展开的过程神经元网络模型.该模型利用过程神经元网络所具有的对时间变量的非线性映射能力,实现系统的输入、输出之间的连续映射关系....
针对与时间过程有关的模式分类问题,提出了一种自组织过程神经元网络模型.网络由输人层和竞争层组成,其输入和连接权可为与时间有关的函数,输入层结点与竞争层结点实行全互连接.网络提取输入函数所隐含的过程式模...
金沢大学理工研究域電子情報学系遺伝的アルゴリズム(GA)は, 進化のメカニズムに注目した最適化手法である.GAでは常に解を改善するように個体を進化させるため, 解が改善できない状態(進化的停滞)に陥っ...
针对输入/输出均为连续时间函数的非线性系统信号处理和建模问题,提出了一种连续过程神经元和过程神经元网络模型.连续过程神经元的输入/输出均为连续时间函数,其时空聚合运算能同时反映连续时变输入信号的空间聚...
针对时变信息处理和动态系统建模等类问题,建立了输入输出均为时变函数的过程神经元网络和有理式过程神经元网络2种网络模型.在输入输出为时变函数的过程神经元网络中,过程神经元的时间累积算子取为对时间的积分或...
针对动态系统过程预测预报问题,提出了一种基于过程神经元网络的动态预测方法.过程神经元网络的输入/输出均可以是时变函数,其时空聚合运算和激励可同时反映时变输入信号的空间聚合作用和输入过程中的阶段时间累积...
Дан анализ особенностей обучения человека и машины, реализующей искусственную нейронную сеть. Рассмо...
针对动态信号分类及与先验类别知识融合问题,提出了一种概率过程神经元网络模型.模型将贝叶斯概率分类机制与过程神经元网络动态信号处理方法相结合,通过在前馈过程神经元网络中增加一个模式单元层,以及采用归一化...
Работа посвящена разработке эффективных алгоритмов обучения многослойных гетерогенных нейронных сете...
针对时变输入/输出过程神经网络的训练问题，提出一种基于混沌遗传与带有动态惯性因子的粒子群优化相结合的学习方法。综合利用粒子群算法的经验记忆、信息共享和混沌遗传算法的混沌轨道遍历搜索性质，基于PNN训练...
针对输入/输出均为时变函数的非线性系统建模问题,提出一种时变输入输出过程神经元网络模型,并给出了具体的学习算法.过程神经元网络的输入、输出均可为时变函数,其空间、时间聚合算子分别取为空间加权求和及含时...
基于粒子群优化为过程神经元网络提出了一种新的学习算法.新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化.新算法不依赖于...
针对连续系统输入过程可分为若干时间阶段,输出为一个即依赖于当前阶段系统过程输入,又与前一阶段系统状态有关的离散过程,提出了一种级联过程神经元网络模型.将连续输入信号分阶段处理,不同阶段系统输入输出映射...
针对非线性动态系统控制问题,提出了一种基于过程神经网络的控制信号求解模型和算法.利用过程神经网络对动态系统时变输入/输出信号的非线性映射机制和对系统过程模态特征的自适应提取能力,建立基于过程神经网络的...
针对系统输入为多元过程函数以及多维过程信号的信息处理问题,提出了多聚合过程神经元和多聚合过程神经元网络模型.多聚合过程神经元的输入和连接权均可以是多元过程函数,其聚合运算包括对多个输入函数的空间加权聚...
为了解决实际系统中输入、输出经常是时变连续函数的问题,提出了一类基于基函数展开的过程神经元网络模型.该模型利用过程神经元网络所具有的对时间变量的非线性映射能力,实现系统的输入、输出之间的连续映射关系....
针对与时间过程有关的模式分类问题,提出了一种自组织过程神经元网络模型.网络由输人层和竞争层组成,其输入和连接权可为与时间有关的函数,输入层结点与竞争层结点实行全互连接.网络提取输入函数所隐含的过程式模...
金沢大学理工研究域電子情報学系遺伝的アルゴリズム(GA)は, 進化のメカニズムに注目した最適化手法である.GAでは常に解を改善するように個体を進化させるため, 解が改善できない状態(進化的停滞)に陥っ...
针对输入/输出均为连续时间函数的非线性系统信号处理和建模问题,提出了一种连续过程神经元和过程神经元网络模型.连续过程神经元的输入/输出均为连续时间函数,其时空聚合运算能同时反映连续时变输入信号的空间聚...
针对时变信息处理和动态系统建模等类问题,建立了输入输出均为时变函数的过程神经元网络和有理式过程神经元网络2种网络模型.在输入输出为时变函数的过程神经元网络中,过程神经元的时间累积算子取为对时间的积分或...
针对动态系统过程预测预报问题,提出了一种基于过程神经元网络的动态预测方法.过程神经元网络的输入/输出均可以是时变函数,其时空聚合运算和激励可同时反映时变输入信号的空间聚合作用和输入过程中的阶段时间累积...
Дан анализ особенностей обучения человека и машины, реализующей искусственную нейронную сеть. Рассмо...
针对动态信号分类及与先验类别知识融合问题,提出了一种概率过程神经元网络模型.模型将贝叶斯概率分类机制与过程神经元网络动态信号处理方法相结合,通过在前馈过程神经元网络中增加一个模式单元层,以及采用归一化...
Работа посвящена разработке эффективных алгоритмов обучения многослойных гетерогенных нейронных сете...
DOI
Add to ORKG