论文部分内容阅读
针对传统神经网络建模的不足提出了一种改进型的柔性神经网络。阐述该网络在学习、训练过程中不仅可以调节连接权，而且加强了对网络非线性函数参数的实时修改，通过多自由度的训练与调整，使所建网络达到最佳的性能。给出了所建网络的结构与学习算法，并通过算例的形式将其与传统BP神经网络及传统已有柔性神经网络进行了全方位比较。结果表明．改进型网络由于其三自由度调节参数的能力．具有比传统BP网络及已有柔性神经网络更强的学习能力．它以最少的迭代循环次数实现了期望精度。