论文部分内容阅读
为了改善学习速率，提出了一种确定复数神经网络初始权值的新颖方法。初始权值不是随机给定的，而是通过计算求得。具体方法是选择一类隐层神经元的变换函数（类支集函数），将输入层和隐层之间的复数权值计算出来，保证隐层的输出矩阵是满秩矩阵，并从理论上证明了这样的满秩矩阵是存在的。利用这个满秩矩阵，通过最小平方算法就可以求得隐层和输出层之间的复数权值。将这些权值作为初始权值，采用最速下降算法来对神经网络进行训练。初始权值的优化，使得该算法可以有效地提高复数神经网络的训练速度和计算精度。一个特例是当隐层神经元的个数与样本