第一類樣條權函數(shù)神經(jīng)網(wǎng)絡的算法復雜度研究及其應用.pdf

1、不同的算法可能用不同的時間、空間或效率來完成同樣的任務，對于精心實現(xiàn)的算法，往往可以帶來更高的運行和存儲上的效率。所以研究第一類樣條權函數(shù)的算法復雜度是非常有意義的，好的算法可以幫我們更有效的解決問題。
　　本文在樣條權函數(shù)神經(jīng)網(wǎng)絡理論基礎上，對第一類樣條權函數(shù)神經(jīng)網(wǎng)絡的算法復雜度進行研究，結(jié)合數(shù)值分析、算法等方面知識進行理論分析以及公式推導，來求解第一類樣條權函數(shù)神經(jīng)網(wǎng)絡的算法復雜度。同時，本文在理論分析的基礎上，運用MATLA

2、B工具對第一類樣條權函數(shù)神經(jīng)網(wǎng)絡的算法復雜度進行了仿真實驗。
　　本文最終得出第一類樣條權函數(shù)神經(jīng)網(wǎng)絡的算法時間復雜度與樣本輸入維數(shù)和輸出維數(shù)以及樣本點個數(shù)有關。當輸入、輸出維數(shù)固定的情況下，仿真得到的第一類樣條權函數(shù)算法復雜度曲線，隨著訓練樣本點個數(shù)的增加，仿真所需要的時間與樣本個數(shù)基本成線性增長。
　　通過對仿真結(jié)果的分析，驗證了該理論分析的正確性以及第一類樣條權函數(shù)神經(jīng)網(wǎng)絡具有算法復雜度低，訓練速度快等優(yōu)勢。