Fourier權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)研究及其在圖像識別中的應(yīng)用.pdf

1、經(jīng)過多年的研究，人工神經(jīng)網(wǎng)絡(luò)的研究已經(jīng)取得了豐碩的成果。然而傳統(tǒng)神經(jīng)網(wǎng)絡(luò)（BP、RBF）的權(quán)值是常數(shù)，訓(xùn)練的權(quán)值難以反映樣本的信息，而且傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的模型難以確定，隱層神經(jīng)元個數(shù)需要進(jìn)行反復(fù)試驗(yàn)。文獻(xiàn)[1][2]提出了一種新型的神經(jīng)網(wǎng)路訓(xùn)練算法——樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)簡單，同時該算法還克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)容易陷入局部極小、收斂速度慢、難以求得全局最優(yōu)解等缺陷，使得神經(jīng)網(wǎng)絡(luò)研究進(jìn)入了新階段。
　　

2、論文是在樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的基礎(chǔ)之上，研究了Fourier權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)，即Fourier級數(shù)作為權(quán)函數(shù)。在理論部分首先構(gòu)造了Fourier權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)模型；其次給出了Fourier權(quán)函數(shù)的確定方法；再次結(jié)合Fourier權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)模型對網(wǎng)絡(luò)誤差進(jìn)行分析，求出網(wǎng)絡(luò)誤差的表達(dá)式；最后通過仿真實(shí)驗(yàn)，驗(yàn)證了與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比，F(xiàn)ourier權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)具有逼近精度高、訓(xùn)練速度快、泛化能力強(qiáng)等優(yōu)點(diǎn)。
　　 論文將Four