人工神经网络快速学习算法

计算机仿真000105

计算机仿真

COMPUTER SIMULATION

2000　Vol.17　No.1　P.19-23

人工神经网络快速学习算法

刘祖润　曾喆昭　张志飞

摘 要 以Chebyshev学习算法为基础，给出了数例神经网络仿真结果， 其学习收敛速度大大优于

BP算法及HNR算法。

关键词 神经网络 Chebyshev算法 BP算法 HNR算法 仿真实例

High Speed Learning Algorithm on the Artificial Neural Networks

Liu Zurun　Zeng Zhezhao　Zhang Zhifei

（Auto. Dept. Of Xiangtan Industry Institute, Hunan, 411201）

ABSTRACT This paper presented some simulation results of Neural Networks based on

the Chebyshev algorithm, its capability is far and away superior to that of BP

algorithm and HNR algorithm.

KEYWORDS neural networks Chebyshev algorithm BP algorithm HNR algorithmSimulation examples

1 引言

由于加拿大著名心理学家Hebb的杰出工作，科学家们已在下述问题上达成共识：动物的某些

学习和记忆过程可通过突触特性的变化加以解释。在人工神经网络中，传统观点认为生物神经中

的突触变化可用节点间连接权值的变化加以表征。事实上，突触的变化不仅表现为节点间连接权

值的变化，而且突出地表现为节点本身特性的变化，即节点函数的特化。节点函数的特化反映在

生物系统中，就是发育过程中神经细胞内部构造的变化。这一点已被哈佛医学院Selkoe教授的研

究成果证实[1]。本文介绍的 Chebyshev神经网络不仅符合生物神经网络的基本特征，而且拓朴结

构简单、学习收敛速度快，有逼近任意非线性映射的优异特性。

2 Chebyshev神经网络模型[2]

file:///E|/qk/jsjfz/jsjf2000/0001/000105.htm（第 1／6 页）2010-3-23 1:04:55