文献类型：期刊文章

作　　者：王洪元[1] 史国栋[2] 夏德深[1]

机构地区：[1]南京理工大学计算机科学与工程系,南京210094 [2]江苏石油化工学院计算机科学与工程系,常州213016

出　　处：《模式识别与人工智能》

基　　金：高等学校骨干教师;江苏省高校自然科学基金

年　　份：2002

卷　　号：15

期　　号：3

起止页码：372-376

语　　种：中文

收录情况：BDHX、BDHX2000、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：设计了带参数的单极性和双极性柔性Sigmoid函数的一种柔性前馈神经网络(FBPN),并给出了相应的学习算法.和普通的前馈神经网络(BPN)不同,FBPN不仅能学习连接权,且同时能学习柔性Sigmoid函数的参数,因此,它能根据学习样本集,为每一个隐含层和输出层单元产生合适的Sigmoid函数形态.一个算例和二个应用实例说明,柔性神经网络能提高BP网络的性能,并能较好解决不同领域中的分类与预测问题.

关 键 词：柔性神经网络 柔性Sigmoid函数  模式识别 模型预测  图像处理 应用  

分 类 号：TP183]