Indexed by：
Abstract：
针对离散Hopfield神经网络(DHNN)的权值设计问题,提出一种改进型学习算法,并在DHNN动力学分析的基础上设计该学习算法.利用矩阵分解的方法(MD)得到正交矩阵,并采用得到的正交矩阵直接计算DHNN的权值矩阵.通过该学习算法得到的权值矩阵,可以很好地存储训练样本的信息,使测试样本收敛到稳定点.该学习算法不需要进行分块计算,减少了计算步骤和计算量,降低了网络的迭代次数,从而提高了网络运行速度.最后,将该学习算法应用于水质评价,验证了其有效性和可行性.
Keyword：
Reprint Author's Address：
Email：
Source ：
控制与决策
Year： 2014
Issue： 02
Volume： 29
Page： 241-245
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 8
