一种三层前向网络参数的解析计算方法

介绍了用解析法计算三层前向网络参数的方法 ,给出了一个三层前向网络准确记忆给定样本所需隐层节点个数的充分条件 .也可用解析法计算的参数作为 BP等算法的训练初值 .仿真结果说明这种方法是有效的     

多项式前向神经网络

提出了一种新型的前向神经网络模型-多项式神经网络。该网络具有三层结构,隐层、输出层神经元激活函数分别为：f(x)=x^p和线性函数,网络隐层-输出层的权值采取最速下降法学习,输入层-隐层的权值采用遗传算法进行学习;网络学习时,其误差函数单调递减,学习算法具有较好的收敛性;该网络能逼近任意的连续函数,且具有较好的稳定性,应用实例表明该网络的性能是优良的。     

改进的RBF神经网络模式分类方法应用研究

经典的Bayes分类方法一般需要事先对样本的分布特性作出假设,当假设模型与样本实际分布情况不相符时,就难以得到较高的分类精度。当处理同类别多区域样本分布问题,例如变标签问题时,距离判别、Fisher判别、k－近邻分类、分段线性分类等统计分析方法遇到困难。双螺旋问题不仅使统计方法受到挑战,更使人们对一般前向多层神经网络的能力提出疑问。本文提出了改进的RBF神经网络结构、核函数个数、位置与宽度优化算法。该算法的计算复杂性与一般前向三层LBF网络所用的误差反传算大致相同。核函数生成既考虑了训练集样本自身的类别因素,又考虑了错分样本与邻近类别的关系。一个核函数的最终保留与否根据其对提高测试集分类正确率的贡献大小来决定。同时实验验证了两层LBF网络对提高改进的RBF网络分类正确率的极端重要性。大量应用实例表明,与前向三层RBF网络和前向三层LBF网络相比,该IRBF网络具有收敛速度快、分类精度高、易于得到最小结构、在学习过程中不易陷入局部极小点等优点,有利于实现实时分析。     

改进的RBF神经网络模式分类方法理论研究

研究了前向两层径基函数（RBF）网络和前向两层线性基本函数（LBF0网络的发类机理及其结构与初始参数优化确定方法,提出了Guassian核函数的中心和宽度应通过学习自动确定,在学习过程中根据错分样本自身的类别和被错分入的类别自动生成新的核函数,并根据新增核函数对测试集的作用自动删除多余核函数的观点,从理论上阐明了采用Sigmoid活化函数的两层LBF网络的分类阈值为0．5,进而提出了由两层RBF网络和两层LBF网络组成的前向RBF神经网络－－IRBF神经网络。     

基于COM+/DCOM的三层体系结构

随着计算机技术和网络技术的飞速发展，软件体系结构已逐渐从传统的C／S结构向三层体系结构发展．详细介绍了三层体系结构技术的原理、功能和特点；在COM 原理分析的基础上，对Windows DNA进行分析，提出了基于COM的三层结构的实现。     

神经网络隐层作用的机理分析

本文对傅立叶级数进行了拓展 ,提出广义级数的概念 ,指出三层前向神经网络隐层作用的机理实质上是一种广义级数展开 ,从而将神经网络与级数完美地统一了起来。指出神经网络隐层的驱动函数系列构成了一个框架 ,并给出了计算一个已训练好的三层前向网络的冗余度的方法 ,最后给出了许多有益的结论。     

基于神经网络理论的沥青路面结构四层体系弯沉的拟合研究

根据弹性层状体系理论,采用三层双并联前向神经网络(DPFNN),研究了沥青路面结构四层体系理论弯沉的拟合计算问题,通过大量的计算与验证,训练好的网络精度高、速度快、泛化能力强,且易于实现,可应用于工程设计与验算。     

基于COM┼/DCOM的三层体系结构

随着计算机技术和网络技术的飞速发展,软件体系结构已逐渐从传统的C/S结构向三层体系结构发展.详细介绍了三层体系结构技术的原理、功能和特点;在COM┼原理分析的基础上,对WindowsDNA进行分析,提出了基于COM的三层结构的实现.     

混沌时间序列神经网络拓扑结构的选取方法

采用３层前向神经网络描述混沌时间序列的动力学模型,给出了该网络拓扑结构的确定方法。以及使网络泛化误差达到最小为依据确定网络的输入节点和隐含节点个数。仿真结果表明：该方法不仅优化了网络的结构,而且大大减少了网络的泛化误差。     

基于BLSTM-RNN的语音驱动逼真面部动画合成

双向长短时记忆(bidirectional lorg short term memory,BLSTM)是一种特殊的递归神经网络(recurrent neural network,RNN),能够有效地对语音的长时上下文进行建模。该文提出一种基于深度BLSTM的语音驱动面部动画合成方法,利用说话人的音视频双模态信息训练BLSTM-RNN神经网络,采用主动外观模型(active appearance model,AAM)对人脸图像进行建模,将AAM模型参数作为网络输出,研究网络结构和不同语音特征输入对动画合成效果的影响。基于LIPS2008标准评测库的实验结果表明:具有BLSTM层的网络效果明显优于前向网络的,基于BLSTM-前向-BLSTM 256节点(BFB256)的三层模型结构的效果最佳,FBank、基频和能量组合可以进一步提升动画合成效果。     

基于Bernstein多项式的SISO三层前向神经网络的设计与逼近

利用一元Bernstein多项式在相邻等距剖分点的差值和Sigmodial转移函数性质设计单输入单输出(single input single output, SISO)三层前向神经网络,并给出选取连接权和阈值的方法。此外,依据一元Bernstein多项式逼近连续函数定理证明SISO三层前向神经网络对连续函数也具有逼近性,进而通过实例获得该网络的一种输入输出解析表达式。     

基于Laguerre正交基神经网络的动态手势识别

提出一种基于Laguerre正交基前向神经网络的动态手势识别方法.首先根据多项式逼近和矩阵理论,构造了一种以Laguerre正交多项式作为隐含层神经元激励函数的多输入、多输出三层前向神经网络模型,在网络权值迭代计算公式基础上推出一种基于伪逆的直接计算网络权值方法,避免求取权值的反复迭代过程;提出一种快速的基于颜色的指尖...     

基于神经网络的企业财务危机预警系统的构建

针对目前企业财务危机预警模型存在的问题,提出一种基于神经网络的企业财务危机预警方法．重点阐述了前向三层BP网络企业财务危机预警系统的构建,并选取了30家上市公司作为样本,进行了网络训练和测试,结果表明所设计的预警模式是有效的．     

基体曲率对热障涂层残余应力的影响

导出了轴对称温度应力状态下的位移公式,采用空心和实心四相同心圆模型分析了基体曲率对热障涂层残余应力的影响。结果表明:热障涂层结构中各层内既有环向应力,又有径向应力,应力大小与温降成线性关系;当陶瓷层在外层时,在氧化层/陶瓷层和粘结层/氧化层界面上产生垂直界面的拉应力,且实心模型的拉应力远大于空心模型的拉应力;当陶瓷层在里层时,空心模型中相应界面上的应力为压应力。     

用messy遗传算法确定多层前向神经网络的隐层结点数

提出了一种用messy遗传算法来确定前向神经网络的隐层结点数的方法。该方法引入切断算子和拼接算子,以均方差函数为网络的目标函数,从而得到合适的隐层结点数。实例仿真表明,与现有的方法相比较,该方法找到的隐层结点数所对应的网络均方误差最小,达到了优化神经网络的结构的目的。     

基体曲率对热障涂层残余应力的影响

导出了轴对称温度应力状态下的位移公式。采用空心和实心四相同心圆模型分析了基体曲率对热障涂层残余应力的影响。结果表明：热障涂层结构中各层内既有环向应力,又有径向应力,应力大小与温降成线性关系;当陶瓷层在外层时,在氧化层／陶瓷层和粘结层／氧化层界面上产生垂直界面的拉应力,且实心模型的拉应力远大于空心模型的拉应力;当陶瓷层在里层时,空心模型中相应界面上的应力为压应力。     

浅谈网络服务的三层结构理论

本文从传统的网络两层结构的不足之处出发,引出三层结构理论,阐述三层结构业务处理过程及其优点,介绍三层结构的实现方式。     

基于 BP 网络的二维不变性目标识别

为识别坦克等较复杂的目标，描述了一种神经网络分类方法；利用傅立叶描述器提取目标的形状特征，它具有不变性特性；利用多层ＢＰ网络进行分类。讨论了网络结构及模拟实验结果，认为ＢＰ网络对２Ｄ不变性目标识别具有良好的鲁棒性；它的分类结果优于传统的近邻域分类器     

三层结构的证券公司计算机局域网络设计与实现

在宏源证券股份有限公司桂林上海路证券营业部设计与实现了三层结构的证券计算机局域网络.该网络是在传统二层结构的证券局域网的数据管理层和用户界面层之间增加一个中间层,将局域网络划分为服务器端、中间件和客户端.这种三层结构的证券局域网络能够有效地防范黑客攻击,能够大大提高证券交易的工作效率,能够提高整个网络的安全性.     

三层前向人工神经网络全局最优逼近

提出了求解不等式约束非线性优化问题的群体复合形进化算法，提出的算法能充分利用目标函数值的信息，优化搜索过程具有较强的方向性和目标性，收敛速度快，且是全局优化算法；将群体复合形进化算法应用于三层前向人工神经网络逼近，提出了三层前向人工神经网络全局最优逼近算法；将三层前向人工神经网络全局最优逼近算法应用于实例，表明了提出的全局最优逼近算法的有效性