双权值神经网络结构性逼近理论的研究及其应用

双权值神经网络结构性逼近理论的研究及其应用

论文摘要

双权值神经网络是王守觉院士在基于连接主义网络理论上提出的一种新型神经网络,双权值神经网络具有二个权值的神经网络,由它构成的前馈型神经网络是一个性能优越的函数逼近网络。目前,已广泛应用于人脸检测、语音识别、蛋白质结构预测等领域。 本文首先回顾了人工神经网络研究的发展历史与现状;概述了神经网络的一些基本概念和理论;描述了双权值神经网络的数学模型、特性及其算法。然后,对神经网络的函数逼近理论进行了分析与总结。 本文提出了一种双权值神经网络的构造性算法,并证明了其有效性。该算法的核心思想是先在网格上找到极值点,然后将它们投影到坐标轴上以获得一个合适的2-phase的基函数,并将这些基函数组合成双权值网络的基函数。本章从理论高度证明了该方法能够构造出满足给定条件下双权值神经网络,其隐节点数几乎最少。 本文还从双权值神经网络的结构出发,提出了一种基于双权值神经网络的非特定人连续数字语音识别的算法。该算法首先根据实际连续数字语音的各不同数字音节,构建连续语音中各不同数字音节的特征空间覆盖区,得到了较为满意的识别结果。从实验结果看出,在相同训练样本条件下,基于双权值神经网络的语音识别方法的正确识别

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 神经网络
  • 1.1 人工神经网络发展历史与现状
  • 1.1.1 基本概念
  • 1.1.2 脑神经系统与生物神经元
  • 1.1.3 人工神经网络模型
  • 1.2 人工神经网络的特征
  • 1.3 人工神经网络的分类
  • 1.3.1 单层前向网络
  • 1.3.2 多层前馈网络
  • 1.3.3 反馈网络
  • 1.3.4 竞争神经网络
  • 1.4 人工神经网络的学习与算法
  • 1.4.1 人工神经网络的学习
  • 1.4.2 人工神经网络的学习算法
  • 1.5 双权值神经网络的概述
  • 1.5.1 双权值神经网络介绍
  • 1.5.2 基于双权值神经网络的拓扑结构
  • 1.5.3 双权值神经网络的算法分析
  • 1.5.4 算法流程
  • 1.6 选题的意义
  • 1.7 本论文做的工作
  • 第二章 神经网络函数逼近
  • 2.1 函数逼近介绍
  • 2.1.1 函数逼近及其工具
  • 2.1.2 函数逼近的现实意义
  • 2.2 神经网络函数逼近
  • 2.3 前馈网络的函数逼近能力
  • 2.3.1 预备知识
  • 2.3.2 三层前馈型网络逼近定理
  • 2.4 结论
  • 第三章 双权值神经网络的构造理论
  • 3.1 引言
  • 3.2 构造理论
  • 3.3 构造算法
  • 3.4 结论
  • 第四章 双权值神经网络在语音识别中的应用
  • 4.1 引言
  • 4.2 双权值神经网络
  • 4.2.1 双权值神经网络的结构
  • 4.2.2 构造双权值神经网络的学习算法
  • 4.2.3 实验与分析
  • 4.3 本章小结
  • 第五章 总结
  • 参考文献
  • 致谢
  • 攻读学位期间发表的学术论文目录
  • 相关论文文献

    • [1].求解常微分方程组初值问题的函数逼近法[J]. 云南民族大学学报(自然科学版) 2015(04)
    • [2].基于深度学习的非线性函数逼近有效性探析[J]. 电脑知识与技术 2019(05)
    • [3].函数逼近方法在P型核磁解释饱和度算法研究中的应用[J]. 石油仪器 2013(03)
    • [4].基于径向基函数网络的多元函数逼近[J]. 智库时代 2017(08)
    • [5].基于F-算子的函数逼近的推广与改进(英文)[J]. 数学季刊 2009(02)
    • [6].非连续函数逼近的SPH方法[J]. 黄冈师范学院学报 2015(06)
    • [7].基于大焦元的子焦元的信任函数逼近方法[J]. 江西师范大学学报(自然科学版) 2019(03)
    • [8].连续状态-连续行动强化学习[J]. 电脑知识与技术 2011(19)
    • [9].BP神经网络实现函数逼近的应用分析[J]. 内蒙古科技与经济 2009(12)
    • [10].一种新的基于函数逼近协同更新的DQN算法[J]. 计算机科学 2020(S1)
    • [11].基于BP神经网络的非线性函数逼近仿真研究[J]. 农业网络信息 2015(01)
    • [12].一种基于大焦元分解的信任函数逼近方法[J]. 江西师范大学学报(自然科学版) 2016(03)
    • [13].具p(x)增长的椭圆型方程熵解的存在性[J]. 黑龙江大学自然科学学报 2011(05)
    • [14].关于多元无界连续函数逼近的渐近估计[J]. 纺织高校基础科学学报 2010(02)
    • [15].基于BP网络的函数逼近研究[J]. 电子技术与软件工程 2019(08)
    • [16].利用“一次函数逼近”证明一类不等式[J]. 中学数学教学参考 2015(28)
    • [17].Orlicz-Sobolev空间的Lipschitz连续函数逼近[J]. 应用泛函分析学报 2013(03)
    • [18].计量测试中的函数逼近方法[J]. 上海计量测试 2019(05)
    • [19].数值方法应用的一点体会[J]. 自动化与仪器仪表 2013(06)
    • [20].最坏框架与平均框架下区间[1,1]上带Jacobi权的函数逼近[J]. 中国科学:数学 2014(02)
    • [21].基于Matlab遗传算法和神经网络结合的函数逼近实现和测试[J]. 电脑知识与技术 2009(35)
    • [22].泰勒级数 傅里叶级数 沃尔什级数的比较分析[J]. 高等数学研究 2015(04)
    • [23].常见的插值法及其应用问题研究[J]. 数学学习与研究 2014(13)
    • [24].插值法计算实际利率[J]. 教育教学论坛 2014(13)
    • [25].泰勒多项式的教学探讨[J]. 宿州学院学报 2015(05)
    • [26].基于BP神经网络的函数逼近[J]. 福建电脑 2009(08)
    • [27].Pade逼近在线搜索中的应用[J]. 淮北师范大学学报(自然科学版) 2013(01)
    • [28].神经网络泛化增强技术研究[J]. 科学技术与工程 2009(17)
    • [29].数值分析中常见插值法的浅析[J]. 科技致富向导 2011(24)
    • [30].二元函数逼近在斜坡可靠度分析中的应用研究[J]. 岩土力学 2008(03)

    标签:;  ;  ;  ;  

    双权值神经网络结构性逼近理论的研究及其应用
    下载Doc文档

    猜你喜欢