第一類(lèi)樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的算法復(fù)雜度研究及其應(yīng)用.pdf

1、不同的算法可能用不同的時(shí)間、空間或效率來(lái)完成同樣的任務(wù)，對(duì)于精心實(shí)現(xiàn)的算法，往往可以帶來(lái)更高的運(yùn)行和存儲(chǔ)上的效率。所以研究第一類(lèi)樣條權(quán)函數(shù)的算法復(fù)雜度是非常有意義的，好的算法可以幫我們更有效的解決問(wèn)題。
　　本文在樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)上，對(duì)第一類(lèi)樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的算法復(fù)雜度進(jìn)行研究，結(jié)合數(shù)值分析、算法等方面知識(shí)進(jìn)行理論分析以及公式推導(dǎo)，來(lái)求解第一類(lèi)樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的算法復(fù)雜度。同時(shí)，本文在理論分析的基礎(chǔ)上，運(yùn)用MATLA

2、B工具對(duì)第一類(lèi)樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的算法復(fù)雜度進(jìn)行了仿真實(shí)驗(yàn)。
　　本文最終得出第一類(lèi)樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)的算法時(shí)間復(fù)雜度與樣本輸入維數(shù)和輸出維數(shù)以及樣本點(diǎn)個(gè)數(shù)有關(guān)。當(dāng)輸入、輸出維數(shù)固定的情況下，仿真得到的第一類(lèi)樣條權(quán)函數(shù)算法復(fù)雜度曲線，隨著訓(xùn)練樣本點(diǎn)個(gè)數(shù)的增加，仿真所需要的時(shí)間與樣本個(gè)數(shù)基本成線性增長(zhǎng)。
　　通過(guò)對(duì)仿真結(jié)果的分析，驗(yàn)證了該理論分析的正確性以及第一類(lèi)樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)具有算法復(fù)雜度低，訓(xùn)練速度快等優(yōu)勢(shì)。