论文部分内容阅读
为解决离散过程神经网络的训练问题,提出了两种基于数值积分的离散过程神经网络训练算法.分别采用三次样条积分和抛物插值积分直接处理隐层离散样本和权值的时域聚合运算,输出层采用普通神经元,采用L-M(Levenberg-Marquard)算法实现网络参数的调整.以模糊图像的恢复为例,实验结果表明,两种训练方法的性能比较接近,但都优于基于沃尔什变换的离散过程神经网络和基于样条差值函数的离散过程神经网络,从而揭示出数值积分方法在提升离散过程神经网络性能和应用方面具有一定潜力。