LS-SVM分类与回归学习递归神经网络硬件电路及实现方法

摘要

本发明公开了一种LS-SVM分类与回归学习递归神经网络硬件电路及其实现方法，该方法将LS-SVM与递归神经网络相结合，推导出描述神经网络的动态方程及其拓扑结构，并进一步建立了实现上述递归神经网络的硬件电路，从而用硬件电路对最小二乘支持向量机算法进行实现。本发明所述的LS-SVM分类与回归学习递归神经网络与以往出现的网络相比，消除了网络中的非线性部分，神经网络结构更加简洁，大幅度的提高支持向量机的训练速度；同时本发明提出的LS-SVM学习神经网络可以在几乎不改变拓扑结构的基础上实现分类和回归两种问题。