多层前向小世界神经网络及其函数逼近
李小虎1
杜海峰2
张进华3
王孙安1
1.西安交通大学,机械工程学院,陕西,西安,7100492.西安交通大学公共管理与复杂性科学研究中心,陕西,西安,7100493.西安交通大学,机械工程学院,陕西,西安,710049;西安交通大学,机械制造系统工程国家重点实验室,陕西,西安,710049
摘要：借鉴复杂网络的研究成果,探讨一种在结构上处于规则和随机连接型神经网络之间的网络模型-多层前向小世界神经网络.首先对多层前向规则神经网络中的连接依重连概率p进行重连,构建新的网络模型,对其特征参数的分析表明,当0＜p＜1时,该网络在聚类系数上不同于Watts-Strogatz模型;其次用六元组模型对网络进行描述;最后,将不同p值下的小世界神经网络用于函数逼近,仿真结果表明,当p=0.1时,网络具有最优的逼近性能,收敛性能对比试验也表明,此时网络在收敛性能、逼近速度等指标上要优于同规模的规则网络和随机网络.
关键词：小世界网络神经网络函数逼近复杂网络
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(70671083)国家自然科学基金(50505034)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 836-842 )
英文信息