基于遗传规划实现泛函网络神经元函数类型优化

计算机科学 ›› 2007, Vol. 34 ›› Issue (2): 7-9.

• 计算机网络与信息安全 • 上一篇下一篇

基于遗传规划实现泛函网络神经元函数类型优化

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受到国家自然科学基金[60461001]和广西自然科学基金[0542048]项目的资助

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

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

Abstract: Functional network is a recently introduced extension of neural networks. Like neural networks, it deals with general functional models instead of sigmoid-like ones. And in these networks there are no weights associated with the links connecting neurons.

Key words: Functional network, Constructive design, Genetic programming, Neuron function, Basis function

. 基于遗传规划实现泛函网络神经元函数类型优化[J]. 计算机科学, 2007, 34(2): 7-9. https://doi.org/