论文研究 基于序列输入的神经网络模型算法及应用.pdf

为提高神经网络的逼近能力，提出一种基于序列输入的神经网络模型及算法。模型隐层为序列神经元，输出层为普通神经元。输入为多维离散序列，输出为普通实值向量。先将各维离散输入序列值按序逐点加权映射，再将这些映射结果加权聚合之后映射为隐层序列神经元的输出，最后计算网络输出。采用Levenberg-Marquardt算法设计了该模型学习算法。仿真结果表明，当输入节点和序列长度比较接近时，模型的逼近能力明显优于普通神经网络。