两种离散过程神经网络算法及在图像恢复中的应用
为解决离散过程神经网络的训练问题,提出了两种基于数值积分的离散过程神经网络训练算法.分别采用三次样条积分和抛物插值积分直接处理隐层离散样本和权值的时域聚合运算,输出层采用普通神经元,采用L-M(Levenberg-Marquard)算法实现网络参数的调整.以模糊图像的恢复为例,实验结果表明,两种训练方法的性能比较接近,但都优于基于沃尔什变换的离散过程神经网络和基于样条差值函数的离散过程神经网络,从而揭示出数值积分方法在提升离散过程神经网络性能和应用方面具有一定潜力.
图像处理 神经网络算法 离散系统 数值积分
肖红 李盼池
东北石油大学计算机与信息技术学院,黑龙江省大庆市 163318
国内会议
哈尔滨
中文
1182-1189
2013-10-01（万方平台首次上网日期，不代表论文的发表时间）