樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)算法研究及其應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)是由大量簡單的神經(jīng)元以不同方式相互作用而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng),具有高度的自適應(yīng)性、自學(xué)習(xí)能力和非線性全局作用。目前,人工神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域得到廣泛的應(yīng)用,解決了許多復(fù)雜問題。本文首先對神經(jīng)網(wǎng)絡(luò)和三次樣條基本理論知識做簡單介紹,其次分別介紹樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)在高校成績預(yù)測中的應(yīng)用和神經(jīng)網(wǎng)絡(luò)在手寫體識別中的應(yīng)用,主要研究內(nèi)容如下:
　　 首先,利用樣條神經(jīng)網(wǎng)絡(luò)建立某高校成績預(yù)測模型。在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)上,只有輸入和輸出層,主要

2、使用分段三次樣條函數(shù)建立網(wǎng)絡(luò)權(quán)函數(shù)。本文選用五組樣本數(shù)據(jù)進行網(wǎng)絡(luò)訓(xùn)練,在每個樣本區(qū)間內(nèi)分別利用分段三次樣條插值建立權(quán)函數(shù),確定對應(yīng)區(qū)間網(wǎng)絡(luò)的插值系數(shù),同時本文又選取二十組數(shù)據(jù)進行仿真,根據(jù)網(wǎng)絡(luò)訓(xùn)練結(jié)果得到每個輸入樣本的網(wǎng)絡(luò)輸出,并將其求和作為此輸入樣本的總輸出,即得到網(wǎng)絡(luò)訓(xùn)練的預(yù)測值,與實際值進行對比,誤差較小,仿真結(jié)果符合精度要求,實驗效果好。
　　 其次,利用神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性且區(qū)分度高的特點,提出基于CMAC(Cerebel