论文研究 基于函数逼近的多层前馈神经网络灵敏度分析.pdf
神经网络灵敏度分析对网络结构设计、硬件实现等具有重要的指导意义,已有的灵敏度计算公式对权值和输入扰动有一定限制或者计算误差较大。基于Piché的随机模型,通过使用两个逼近函数对神经网络一类Sigmoid激活函数进行高精度逼近,获得了新的神经网络灵敏度计算公式,公式取消了对权值扰动和输入扰动的限制,与其他方法相比提高了计算精度,实验证明了公式的正确性和精确性。
用户评论
推荐下载
-
基于TOPSIS理论的FMEA灵敏度分析方法
为解决传统失效模式与影响分析(FMEA)中风险顺序数(RPN)计算的模糊性和不确定性问题,避免其排序混乱,提出基于逼近于理想解排序技术(TOPSIS)的失效模式改进优先等级排序方法。由于发生度、严重度
21 2020-06-10 -
基于FEM组合结构的动态灵敏度分析
结合面的动力学参数问题是业界关注焦点。本文采用FEM方法进行了模拟,并分析了各因素的灵敏度。
24 2019-03-10 -
前馈神经网络反向传播算法用到的数据集
前馈神经网络(反向传播算法)用到的数据集,包含5000张数字图片X及对应标签y。由于是matlab类型的数据,X需要转置。
15 2020-08-30 -
用遗传算法优化前馈神经网络的结构
本文就前馈网络的结构提出了一种新的编码方案———神经元编码法。该方案在对网络结构编码时 ,是围绕神经元进行的。然后采用遗传算法对其进行优化操作 ,并取得了预期的优化结果
28 2019-02-27 -
接受灵敏度
发射功率,接受灵敏度标准,功率换算方法,便于无线开发与调试
33 2019-01-08 -
前馈神经网络用于数据预测Python源码
前馈神经网络使用Python实现可用于数据预测压缩包中源码BPNN.py主要用于使用训练数据集进行模型训练生成对应的训练后模型参数test.py主要用于利用训练好的模型对测试数据集进行预测输出结果包括
4 2023-01-14 -
使用斑点鬣狗优化器训练前馈神经网络
使用斑点鬣狗优化器训练前馈神经网络
19 2021-04-27 -
前馈神经网络架构和工作原理解析
前馈神经网络是一种基本的人工神经网络模型,它被广泛应用于各种机器学习和深度学习任务中。该网络模型具有层层传递信息的特性,信息单向流动,没有反馈连接。其基本构成包括输入层、隐藏层和输出层,每层之间的神经
58 2023-11-30 -
论文研究综合排序的双基点法的改进及灵敏度分析.pdf
论文研究-综合排序的双基点法的改进及灵敏度分析.pdf, 多指标(准则、属性)综合排序的方法基本上有:1.化多指标为单一指标的简单加权法;2.根据相对贴近度排序的双基点法(TOPSIS法);3.采用加
12 2020-06-19 -
径向基函数神经网络对一已知函数逼近
径向基函数神经网络对一已知函数逼近
36 2019-01-13
暂无评论