论文部分内容阅读
针对神经网络中传统神经元模型在结构和信息存储能力上存在的不足，提出了一种基于广义子波基函数网络的神经元集聚模型。在对一类非线性函数的逼近中，与传统的神经元模型相比，新模型不仅收敛速度极快，非线性逼近能力更好，而且还使神经网络具有内部结构变尺度自适应调整和广义信息存储等智能化特点，更符合生物原型的实际情况。仿真实验验证了新方案在此类函数逼近问题中应用的可行性和高效性，从而为智能化神经网络的设计提供了