B-樣條權函數神經網絡靈敏度研究及其應用.pdf

1、張代遠教授在其專著《神經網絡新理論與方法》中提出的權函數神經網絡模型簡化了網絡結構，克服了傳統(tǒng)神經網絡算法局部極小、收斂速度慢、難以求得全局最優(yōu)點等缺陷。B-樣條權函數神經網絡作為一種特殊的權函數神經網絡，結合了權函數神經網絡與B-樣條曲線的優(yōu)點。
　　當訓練好的神經網絡受到噪聲擾動時，其權值就會發(fā)生波動，從而導致網絡的輸出偏離目標值，另外，如果輸入樣本本身帶有噪聲，也會影響神經網絡的輸出，利用靈敏度的概念可以分析這種變化及影響。

2、不少學者對神經網絡的靈敏度進行過研究，張代遠教授在其專著中采用遞推方法得到了三層前饋神經網絡的統(tǒng)計靈敏度計算公式，本文在此基礎上研究B-樣條權函數神經網絡的拓撲結構和訓練算法，然后根據統(tǒng)計靈敏度的定義，推導出了B-樣條權函數神經網絡的靈敏度計算公式。最后通過仿真實驗驗證了B-樣條權函數神經網絡具有良好的逼近能力、泛化能力以及理論靈敏度公式的正確性。
　　基于對B-樣條權函數神經網絡靈敏度的理論分析，根據數字調制信號識別的理論，提取