多项式函数型回归神经网络模型及应用

第!"卷!第#期!$$%年#月

计!!算!!机!!学!!报

&’()*+*,-./)01-2&-34.5*/+

6789!")79#

+:;

<9!$$%!

多项式函数型回归神经网络模型及应用

周永权

!广西民族学院数学与计算机科学系!南宁?%$$$""!西安电子科技大学电子工程学院!西安@=$$@=

"收稿日期#!$$=A $?A ==$修改稿收到日期#!$$!A $"A =>9本课题得到广西自然科学基金!$=>=$%>

"%广西高校百名中青年学科带头人基金资助9周永权&男&=#"!年生&教授&主要研究方向为神经网络优化计算及应用%代数符号近似计算%数据挖掘9*A S F K 8#D E 7J ^X 7G P b J F G #="%9R 7S9

摘!要!文中利用回归神经网络既有前馈通路又有反馈通路的特点&将网络隐层中神经元的激活函数设置为可调多项式函数序列&提出了多项式函数型回归神经网络新模型9它不但具有传统回归神经网络的特点&而且具有较强的函数逼近能力9针对递归计算问题&提出了多项式函数型回归神经网络学习算法&并将该网络模型应用于多元多项式近似因式分解&

其学习算法在多元多项式近似分解中体现了较强的优越性9通过算例分析表明&该算法十分有效&收敛速度快&计算精度高&可适用于递归计算问题领域9该文所提出的多项式函数型回归神经网络模型及学习算法对于代数符号近似计算有重要的指导意义9

关键词!回归神经网络$递归计算$近似因式分解$学习算法中图法分类号54=C

6&1;,&’*41N M ,%+*&,P #%M ..#,+J #M .41J #+<&.X )/&0#14,09((1;

D ’-.I 7G P

A a J F G !C ,)0-+(,/+$&>0+#,(0+."80/1’$()*+,-!".,/",&A *0/3Q .6/.7,-8.+4&$-[0+.$/0%.+.,8&[0//./3?

%$$$""!’$%%,3,$&=%,"+-$/."=/3./,,-./3&L .1.0/6/.7,-8.+4&

L .K 0/@=$$@="97)+.4%+!0Y K G Q7T ;78X G 7S K F 8T J G R

;N 7;7M :Q &W E K R EE F M R E F N F R <:N K M

7N K

J

7N K

回归神经网络!/:R J N N :G <):J N F 8):

序列相关的上下文信息&它极适宜于解决类似语音

识别等问题&并且在该方面取得了很大的成功’=(

9

文中利用传统的回归神经网络结构的特点&将隐层中神经元的激活函数设置为可调多项式函数序列&提出了多项式函数型回归神经网络模型!图="9它不但继承了一般回归神经网络/))的结构特点&

而万方数据