《神经计算原理及其应用技术》对神经网络模型特别是隐层神经元激活函数做了认真研究,使神经网络模型充分体现节点本身特性的变化,即节点函数的特化。著者针对各种问题背景提出的神经网络模型中,以正弦基函数、余弦基函数、傅里叶基函数等正交基函数作为隐层神经元激励函数,并在神经网络权值训练算法中引人动量项、共轭梯度法、截断牛顿法以及龙贝格(Romherg)修正法和递推最小二乘算法等优化方法,有效克服了BP网络存在的各种局限性,使改进的BP神经网络不仅具有收敛速度快的特性,而且还具有计算精度高的特性,分别在线性方程组求解、非线性方程组求解、数值积分、微分方程初值问题求解、FIR高阶数字滤波器优化设计、实数域信号频谱分析、传感器误差补偿、非线性补偿、多传感器信息融合以及神经网络PID控制等领域获得了显著研究成果。此外,本书还对各种神经网络算法的收敛性做了认真研究,为神经网络学习率大小的确定建立了比较完整的理论体系。
展开