论文部分内容阅读
针对过程神经元网络的训练问题，提出了一种基于离散Walsh变换的学习算法．对网络过程式输入及时变权向量，实施离散Walsh变换，用变换后的数据训练网络．在该算法下，可简化过程神经元的聚合运算，避免复杂的积分过程，使过程神经元网络的训练等同于普通网络的训练，即将泛函数逼近问题转化为函数优化计算问题．仿真实验证明了该算法的有效性．