第二類正交（張量）權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的算法復(fù)雜度研究及其應(yīng)用.pdf

1、權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)是近些年來發(fā)展起來的一種新型神經(jīng)網(wǎng)絡(luò)，該算法具有很多優(yōu)點(diǎn)，例如可以直接求得全局最優(yōu)點(diǎn)，具有很好的泛化能力，訓(xùn)練后的權(quán)函數(shù)能夠反映樣本內(nèi)部的有價值的信息特征等。算法復(fù)雜度是衡量算法好壞的一個重要指標(biāo)，算法復(fù)雜度較低的算法運(yùn)行效率通常更高。因此，研究第二類正交權(quán)函數(shù)的算法復(fù)雜度是非常有意義的。
　　本文在權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)上，結(jié)合數(shù)值分析、正交函數(shù)和算法復(fù)雜度等知識進(jìn)行理論分析以及公式推導(dǎo)，對第二類正交權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)

2、的算法復(fù)雜度進(jìn)行研究。最終得出第二類正交權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的算法時間復(fù)雜度與輸入維數(shù)、輸出維數(shù)以及樣本點(diǎn)個數(shù)的關(guān)系。在理論分析的基礎(chǔ)上，運(yùn)用MATLAB工具對第二類正交權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的算法復(fù)雜度進(jìn)行了仿真實(shí)驗，證明了理論分析是正確的。
　　權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練中可能存在輸入相同輸出不同的樣本點(diǎn)，稱之為奇異樣本。奇異樣本的出現(xiàn)會導(dǎo)致權(quán)函數(shù)不可解，從而造成神經(jīng)網(wǎng)絡(luò)訓(xùn)練的終止。為了解決這種弊端，在導(dǎo)師的指導(dǎo)下，本文初步研究了基于張量空間變換的