模糊神经网络学习样本的选取与网络扩展能力研究

摘要：

@@ 1. 引言
目前,有关神经网络的研究日趋走向成熟阶段.早在1989年,仅含一个隐层的BP网络就被证明可以逼近任意的连续函数[1～3],从而揭示了神经网络强大的计算能力.另一方面,神经网络方法用于问题求解无需建模,给实际问题的求解过程带来很大的方便.对于网络本身的建立,已有许多学习算法,目前使用比较多的是BP学习算法或其变形的形式.但是,网络在学习阶段普遍存在局部极值和学习速度较慢等问题[4].

机标关键词：模糊神经网络、学习样本、选取、扩展能力、Fuzzy Neural Networks、学习算法、神经网络方法、学习速度、学习阶段、问题求解、求解过程、连续函数、计算能力、证明、局部、建模、变形

所属期刊栏目：28

分类号：TP18(自动化基础理论)

资助基金：黑龙江省自然科学基金

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：94-96