基于遗传规划实现泛函网络神经元函数类型优化

摘要：

泛函网络是最近提出的一种对神经网络的有效推广.与神经网络不同,它处理的是一般的泛函模型,其神经元函数不固定,而是可学习的,且在各个处理单元之间没有权值.同神经网络一样,至今还没有系统设计方法能够对给定问题设计出近似最优的结构.鉴于此,将整个泛函网络的设计分解为单个神经元的逐个设计;然后,在此框架下提出了基于遗传规划的单个神经元的设计方法,该方法可实现对神经元函数类型的优化.仿真实验表明,本方法是有效可行的,能用较小的网络规模获得更满意的泛化特性.

关键词：泛函网络、构造性设计、遗传规划、神经元函数、基函数

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金60461001;广西自然科学基金0542048

在线出版日期：2007-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：7-9,16