论文部分内容阅读
泛函网络是神经网络的一般化推广,至今还没有统一的系统设计方法能够对给定问题设计出近似最优的结构。为了获得良好的网络结构,本文利用熵聚类的思想,提出一基于熵聚类思想的设计泛函网络的方法,对网络每一神经元的共存且相互影响的基函数和泛函参数进行最优搜索,实现泛函网络结构和泛函参数的共同学习。对一非线性函数进行逼近比较仿真实验,结果表明,逼近效果较好,且收敛速度较快,并表明所设计的泛函网络有效地提高了泛函网络的收敛精度,还可获得更为合理的网络结构。