激励函数可调的NARX神经网络

摘要：

提出了一种隐层神经元激励函数可调的具有外部输入的非线性回归(NARX)神经网络,它在进行权值调整的同时,还对各隐层神经元激励函数的参数进行自适应调节;并推导出激励函数参数的学习算法,从而使NARX神经网络更符合生物神经网络.通过系统辨识的仿真实例,说明了隐层神经元激励函数对网络性能的影响,还验证了文中提出的NARX神经网络具有更快的收敛速度,并且能有效地避免算法陷入局部最小.

关键词： 外部输入 非线性回归 神经网络 激励函数 学习算法

作者: 李明 杨成梧

作者单位: 南京理工大学,动力学院,江苏,南京,210094

会议类型: 国内会议

会议名称: 第17届中国过程控制会议

会议地点: 江苏无锡

会议语种:中文

页码: 445-448

在线出版日期: 2006-07-31（万方平台首次上网日期，不代表论文的发表时间）