您当前所在位置: 首页

论文收录信息

论文编号 201705-1430
论文题目 基于单隐层复值神经网络的分类问题研究
文献类型
收录期刊

上传封面

中文期刊 英文期刊

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

中文专著 英文专著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文译著 英文译著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文论文集 英文论文集

编者 . 论文集名称(中文) [c].

出版地 出版社 出版年-

编者 . 论文集名称(英文) [c].

出版地 出版社 出版年-

上传封面

中文文献 英文文献

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

后印本*

(请提交PDF文档)

基于单隐层复值神经网络的分类问题研究

引用

复制文本

导出参考文献

.txt .ris .doc

吕鹏

吕鹏(1990.05.28),男,控制科学与工程

李志俊

李志俊(1963-),男,硕导

李仑

发送私信

发送给

武汉理工大学自动化学院,武汉 430070

摘要:本文提出单隐层复值神经网络(Complex-Valued Neural Network, CVNN),并对网络结构,参数和算法进行了介绍,对输入数据,网络权值和偏置项参数进行复数转换。采用适当的误差函数,利用梯度下降法对网络输出误差进行反向传播,最后的训练结果显示单隐层复值神经网络在两分类问题上,相比于实数BP神经网络,无论在收敛速度,训练误差还是测试精度上均有较高提升。在多分类问题上,单隐层复值神经网络在测试数据时也具有较高的测试精度。

关键词: 复值神经网络;梯度下降法; 误差反向传播;分类

同行评议

评论

评论一下

全部评论
评论