导读:本文包含了多权值神经元网络论文开题报告文献综述及选题提纲参考文献，主要关键词:模式识别,神经元,单纯形,覆盖
多权值神经元网络论文文献综述
魏莱,徐菲菲,王守觉[1]（2012）在《一种多权值神经元覆盖网络的构造方法》一文中研究指出仿生模式识别利用多权值神经元覆盖网络构造模式类的覆盖来进行相应事物的识别.但在构造多权值神经元覆盖网络的过程中,关于构造神经元个数的确定方法没有相关讨论,即需要使用多少个神经元才能完成对模式类的覆盖.较多的神经元在精确的对模式类进行覆盖同时,也增大了网络的复杂度.文中提出了一种多权值神经元覆盖网络的构造方法.在保持神经网络对模式类的覆盖能力的基础上采用尽量少的神经元,从而能有效的降低神经网络构造代价.最后,通过实验作者验证了算法的有效性.(本文来源于《计算机学报》期刊2012年05期）
翁宗煌,黄晞,王平,张萧[2]（2010）在《基于权值函数神经元的BP网络研究》一文中研究指出研究了一种神经元模型,在该模型中将参数可调的激励函数往前移到权值上,即把权值变为参数可调的函数,这些权值函数的累加和作为神经元的输出.将此类神经元称为权值函数神经元,根据BP算法给出了由其构成的前馈神经网络的学习算法.仿真实验对比结果表明,在给定的误差精度要求下,基于权值函数神经元的BP神经网络每次训练都能收敛,且平均迭代步数较少,其收敛速度要优于传统BP网络,具有较好的研究应用价值.(本文来源于《福建师范大学学报(自然科学版)》期刊2010年02期）
张雨浓,杨逸文[3]（2009）在《PID神经元网络之权值直接确定法研究》一文中研究指出网络权值如何确定,是人工神经网络研究中的一个重要课题。传统PID神经元网络在该问题的研究上,大多数采用误差回传(BP)的思想,通过迭代训练而估算出该网络的连接权值。针对PID神经元网络,对其进行简单巧妙的转化,可提出一种基于矩阵伪逆表述的直接计算权值的方法,从而避免了冗长的迭代训练过程。计算机仿真结果表明,该权值直接确定方法不仅有更快的学习/计算速度,而且能达到更高的计算精度。(本文来源于《计算机工程与应用》期刊2009年19期）
张雨浓,旷章辉,肖秀春,陈柏桃[4]（2009）在《Fourier叁角基神经元网络的权值直接确定法》一文中研究指出根据Fourier变换理论,本文构造出一类基于叁角正交基的前向神经网络模型。该模型由输入层、隐层、输出层构成,其输入层和输出层采用线性激励函数,以一组叁角正交基为其隐层神经元的激励函数。依据误差回传算法(即BP算法),推导了权值修正的迭代公式。针对BP迭代法收敛速度慢、逼近目标函数精度较低的缺点,进一步提出基于伪逆的权值直接确定法,该方法避免了权值反复迭代的冗长过程。仿真和预测结果表明,该方法比传统的BP迭代法具有更快的计算速度和更高的仿真与测试精度。(本文来源于《计算机工程与科学》期刊2009年05期）
覃鸿,王守觉[5]（2005）在《多权值神经元网络仿生模式识别方法在低训练样本数量非特定人语音识别中与HMM及DTW的比较研究》一文中研究指出本文将基于多权值神经元网络的仿生模式识别方法用于连续语音有限词汇量固定词组识别的研究中,并将其识别效果与HMM方法及DTW方法进行了比较分析.以15个词组的词汇表做测试,通过调整这叁种识别算法的参数,在它们的拒识率相同的情况下,针对参加训练的词汇,比较他们的错误识别率(某类误认为他类);针对未参加训练的词汇,比较他们的错误接受率(误认为某类).结果表明,在低训练样本数量的情况下,仿生模式识别方法能获得更好的识别效果.(本文来源于《电子学报》期刊2005年05期）
曹宇,赵星涛[6]（2004）在《一种新型双权值人工神经元网络的数据拟合研究》一文中研究指出在本文中提出了一种针对新型双权值神经元网络的数据拟合算法 .采用这种新型网络结构和算法 ,可以克服传统的通用前馈网络中BP算法易陷入局部极小的问题 .通过实验比较证明在相同的网络规模下 ,采用这种新型网络结构和算法可以取得比径向基 (RBF)网络更高的拟合精度和更少的迭代次数 .(本文来源于《电子学报》期刊2004年10期）
唐方坤[7]（2004）在《基于仿生模式识别和多权值神经元网络的脱机手写汉字识别研究》一文中研究指出脱机手写体汉字识别一直是一个很复杂的模式识别问题。汉字字符集所具有的数量大，结构复杂，字形变化大等特点，使得脱机手写汉字识别成为字符识别领域最大的难题之一，但同时，脱机手写汉字识别是一个非常重要的课题之一，它的成功决定着无限制机器汉字自动识别的实现，是智能化计算机在中国真正普及的前提。本文主要在汉字字符的特征提取和自动识别方面做了如下的工作。 论文首先就手写汉字识别的研究现状进行了综合论述，介绍了汉字识别的发展阶段，对各种方法进行了较为详细的介绍，对其优缺点进行了论述。 论文提出了一种新的特征提取的方法。目前汉字特征提取主要分为两类：基于结构的特征提取和基于统计的特征提取方法。前者理论上而言更为准确，能体现汉字的基本特征，但是在实现问题上要准确提取出汉字结构是非常困难的；后者实现简单，也能体现汉字的一些宏观特征，但是却失去了汉字的主要结构特征，不足以描述汉字。本文提取了一种统计和结构相结合的特征提取方法，首先用基于方向码，多个分解算子相结合的方法将汉字分解为四个方向上的分量子图像，同时对汉字字符图像进行模糊网格的构造，然后以网格为单位，分别统计图像四个子图像的网格特征。最后得到特征向量。 论文将“以高维空间几何分析方法为工具”，“以空间复杂几何形体最佳覆盖为目的”的仿生模式识别原理用于手写汉字识别，并详细描述了用多权值神经元网络来具体实现汉字识别系统的过程。并将识别过程和效果同目前流行的SVM方法进行了分析对比。实验说明，由于仿生模式识别理论是以每一类事物的“认识”为目的，因此它在属于超多类模式识别的手写汉字识别方面有无可比拟的优越性。(本文来源于《四川大学》期刊2004-05-01）
多权值神经元网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究了一种神经元模型,在该模型中将参数可调的激励函数往前移到权值上,即把权值变为参数可调的函数,这些权值函数的累加和作为神经元的输出.将此类神经元称为权值函数神经元,根据BP算法给出了由其构成的前馈神经网络的学习算法.仿真实验对比结果表明,在给定的误差精度要求下,基于权值函数神经元的BP神经网络每次训练都能收敛,且平均迭代步数较少,其收敛速度要优于传统BP网络,具有较好的研究应用价值.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多权值神经元网络论文参考文献
[1].魏莱,徐菲菲,王守觉.一种多权值神经元覆盖网络的构造方法[J].计算机学报.2012
[2].翁宗煌,黄晞,王平,张萧.基于权值函数神经元的BP网络研究[J].福建师范大学学报(自然科学版).2010
[3].张雨浓,杨逸文.PID神经元网络之权值直接确定法研究[J].计算机工程与应用.2009
[4].张雨浓,旷章辉,肖秀春,陈柏桃.Fourier叁角基神经元网络的权值直接确定法[J].计算机工程与科学.2009
[5].覃鸿,王守觉.多权值神经元网络仿生模式识别方法在低训练样本数量非特定人语音识别中与HMM及DTW的比较研究[J].电子学报.2005
[6].曹宇,赵星涛.一种新型双权值人工神经元网络的数据拟合研究[J].电子学报.2004
[7].唐方坤.基于仿生模式识别和多权值神经元网络的脱机手写汉字识别研究[D].四川大学.2004