论文研究 基于样条插值函数的离散过程神经网络训练.pdf

为解决过程神经元网络不能直接输入离散样本的问题，提出基于样条插值函数的离散过程神经网络训练算法。首先，将离散过程样本按采样点分段，在采样区间内分别构造样本和权值的分段样条函数；然后，计算样本函数和权函数的乘积在采样区间上的积分，并将此积分值提交给网络的隐层过程神经元；最后，在输出层计算网络输出。分别采用一次、二次、三次样条函数，设计了三种不同的算法。实验结果表明：一次样条计算效率高，逼近能力差；三次样条计算效率低，但逼近能力好；二次样条在计算效率和逼近能力两方面都比较理想。因此，二次样条函数是离散过程神经网络的较好选择。