切比雪夫神经网络权值与结构确定及其分类应用

摘要

本文提出一种可用于模式分类的新型的单输出切比雪夫(Single-Output Chebyshev-Polynomial)神经网络(简称SOCP网络).基于SOCP网络,本文进而提出另一种可用于模式分类的多输出切比雪夫(Multi-Output Chebyshev-Polynomial)神经网络(简称MOCP网络).为避免冗长的迭代学习过程,本文采用权值直接确定法一步获得网络的最优权值.另外,为使网络同时具备较好的拟合和泛化能力,本文提出四折交叉验证法用于确定网络适当的隐层神经元数目.结合权值直接确定法和四折交叉验证法,本文最终提出SOCP网络和MOCP网络相对应的权值与结构确定法.数值实验结果验证了所提出的SOCP网络、MOCP网络以及相对应权值与结构确定法的有效性,并且由该算法所确定的网络在模式分类的应用中具有很高的准确率和很强的鲁棒性.