BP网络模型中激励函数的研究

人工神经网络中的BP网络模型在模式识别领域得到了广泛的应用,而激励函数的选取是影响BP网络性能的重要因素之一。本提出了一种新的BP网络激励函数,导出了该激励函数下BP网络权值和阈值的调整公式,对相似汉字识别的计算机仿真结果证实了网络良好的泛化性能。     

间断激励函数Hopfield神经网络解的存在性

不考虑网络激励函数的有界性与单调性,本文对间断激励函数的神经网络进行了研究.通过Leray-Schauder选择定理和广义的Lyapunov方法,得到一个能够保证网络的解存在性的充分条件.     

激励函数可调的前馈神经网络在线学习算法

针对标准ＢＰ算法的不足,提出了一种激励函数可调的前馈神经网络在线学习算法。该方法去除了样本的预处理过程,以在线方式训练前馈神经网络,同时修正网络的权重,阈值与激励函数。,上于避免了神经元的输出饱和现象,算法的收敛速度明显提高,并在一定程度上防止了局部极小解的出现。仿真结果证明了这种算法的有效性。     

广义同余神经网络的初步探讨

为了克服BP神经网络学习算法中由于Sigmoid激励函数饱和区段所造成的收敛慢的缺点,本文提出了一类新型的广义同余神经网络GCNN.由于该网络采用分段线性的广义同余函数作为神经元的激励函数,运算简便且不再存在饱和问题,因此,显著地提高了训练时的收敛速度,有利于神经网络的硬件实现.通过函数逼近和双螺旋线两个实例和BP网络的比较,验证了GCNN的良好性能.     

模糊优选神经网络多目标决策理论

把笔者建立的模糊优选理论与神经网络理论结合起来，提出确定网络拓扑结构：隐含层数，隐含导节点数与节点激励函数的合理模式，提出模糊优选神经网络权重调整ＢＰ模型；且网络有良好的学习功能。神经元激励函数具有明确的物理意义。     

线性常态网络冲激响应的求法

任意激励的零状态响应，可用冲激响应与该激励的卷积来求得。因此，能正确理解及求取冲激响应，是非常重要的，而有关冲激响应的求法及其物理解释是较难掌握及理解的一个知识点。本文研讨了几种求取冲激响应的有效方法，并通过例题加以说明比较。     

激励函数可调的NARX神经网络

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.     

基于权值直接确定的任意基函数神经网络建模

以生物学和逼近论为理论基础,将任意一组线性无关的基函数作为各隐含神经元的激励函数,结合网络权值直接确定法建立了一个新的神经网络模型.仿真实验表明,该网络权值一步确定,收敛速度快,非线性逼近效果好.     

一种改进的BP算法神经网络

讨论了BP神经网络学习过程中的假饱和现象和激励函数对输出值的影响，将修改激励函数和构建假饱和预防函数相结合，实现加快网络学习速率。通过引入距离熵揭示了实际输出值、期望输出值以及能量函数三者的内在关联。对BP网络的应用实例编制了仿真程序，并与标准的BP算法进行比较。结果表明改进算法的学习收敛性大大地优于标准BP算法。     

截止频率可变的线性相位FIR滤波器设计

在余弦多项式变换的基础上,研究截止频率可变的线性相位有限冲激响应（FIR）数字滤波器的实现方法,这种变换是通过在原型网络中更换子网络与实现的。     

线性定常网络的一种时域算子解法——奇异函数的应用

本文较系统地阐述了应用奇异函数引出的线性定常网络的算子解法。首先本文介绍了奇异函数的概念以及有关的性质,然后考虑了线性定常网络单位冲激响应的一种求解方法,最后给出由单位冲激响应利用一些初等的方法求网络的零状态响应的途径。在最后这一部份内容中,本文提出一个算子运算的简化公式。     

紧支撑径向基函数网络在函数逼近中的应用研究

径向基函数网络能够以任意精度逼近任意连续函数。目前径向基函数神经网络中普遍使用高斯基函数作为激励函数,用它来训练网络时,首先需要确定径向基函数的扩展常数SPREAD.SPREAD设定过小,函数逼近时会出现过适性,SPREAD过大,函数逼近时会出现不适性。所以创建径向基函数网络时,需根据不同的训练集和精度要求,选择多个不同的SPREAD值来反复比较网络输出值和目标值,以确定相对较好的逼近情况,这给实际使用带来一定的困难和不便,且无法保证该选择是最佳值.本文研究使用紧支撑径向基函数作为激励函数来设计神经网络,并分析其在函数逼近中的实际应用。     

基于深度学习的混响感知麦克风阵列语音增强

[目的]针对基于深度神经网络频谱估计的麦克风阵列算法存在数据依赖的问题,提出了一种基于深度学习的混响感知麦克风阵列语音增强算法.[方法]首先利用麦克风阵列波束形成输出与原始信号做互相关,以近似房间冲激响应的形式获取当前环境的混响特性作为LSTM网络的输入,网络模型以干净语音为目标进行训练从而输出房间冲激响应泛化向量,最后通过组合近似房间冲激响应与房间冲激响应泛化向量获得后置抗混响滤波器系数,实现语音增强.[结果]仿真和实验结果中,与波束形成、加权预测误差算法和传统深度学习去混响算法相比,所提出的方法在不同混响场景下具有更好的表现.[结论]本文方法在不同混响场景下都具有相对稳定的抗混响能力,具有较好的泛化性能.     

小波迟滞混沌神经元系统及其应用

与混沌神经元使用单一函数作为激励函数不一样,迟滞混沌神经元是在混沌神经元的基础上,将单函数作为激励函数突破为两个相互偏离的函数.两个相互偏离的Sigmoid与Gauss组合作为新的迟滞激励函数,提出小波迟滞混沌神经元.为分析参数对神经元混沌特性的影响,绘制不同参数变化时的分岔图和Lyapunov指数图.对小波迟滞混沌神经元产生的时间序列进行分析,证明其具有随机性.利用该模型对彩色图像进行加密,分析仿真结果,证明该模型可以很好的满足加密要求.     

求线性电路冲激响应的一种方法

针对用传统的微分方程法求解线性电路的冲激响应难度较大的问题，本文讨论了利用（ｔ）求解线性电路的冲激响应的一种方法。该方法依据激励的单位阶跃函数１（ｔ）与单位冲激函数δ（ｔ），存在的关系，先求出单位阶跃响应，从而可容易地得到线性电路的冲激响应。     

离散系统零状态响应的直接确定

讨论了在常见典型信号作用下直接确定线性时不变离散系统零状态响应的一种方法。该方法无须先求出系统的单位冲激响应，再去求激励信号与系统单位冲激响应的卷积和，而是把求系统的零状态响应问题化为直接确定另一系统的单位冲激响应。这种方法比传统方法简单而且易于掌握。     

分层介质声特征阻抗反演—预处理方法实验验证与比较

数值不稳定性长期困扰着声反演方法的应用。避免该问题的方法之一是进行冲激响应提取的预处理，由冲激响应反演实验材料的各层反射系数序列，重建特性阻抗剖面。该文采用不同反卷积的方法提取冲激响应，反演阻抗剖面，并就精度及运算时间进行详细比较，反演结果与实测及手册数值相当吻合。     

基于神经网络的桩基桥墩地震响应辨识系统的研究

在原BP神经网络基本算法的基础上,按研究桩基桥墩地震响应的特点,改进了网络的激励函数,开发了适用于桩基桥墩地震响应的神经网络辨识系统.该系统具有较快的收敛速度和较高的预测精度.并用C语言程序加以实现     

一个关于LTI连续时间系统冲激响应问题的思考

单位冲激响应是信号与系统分析中一个重要概念,给定LTI系统微分方程可以求得系统单位冲激响应,单位冲激响应在t〉O时与零输入响应具有相同的函数形式,然而单位冲激响应h（t）表达式中是否全面反映了系统的自然频率信息,这是一个不确定的问题,换句话说,仅由冲激响应不能唯一确定出对应系统的微分方程,文中结合实例利用算子运算规则对有关问题进行了分析探讨。     

一种用于能力评估的FOBP网络

针对BP网络的Sigmoid激励函数本身没有物理意义,相应的网络学习训练完全是黑箱型方式,提出一种FOBP(fuzzy optimized Back propagation)网络,它采用一种模糊优选模型替代BP网络中的Sigmoid函数。同时,给出了网络训练的算法步骤,并给出了一个探测能力的网络训练实例。验证了网络的有效性,训练结果与已有文献的结论相同。