如何构建可以处理复数的pytorch 构建神经网络络

君,已阅读到文档的结尾了呢~~
扫扫二维码,随身浏览文档
手机或平板扫扫即可继续访问
一种复数神经网络模型
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由:
将文档分享至:
分享完整地址
文档地址:
粘贴到BBS或博客
flash地址:
支持嵌入FLASH地址的网站使用
html代码:
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布,请您等待!
3秒自动关闭窗口单层复数神经网络_文档下载
亿万文档 免费下载
当前位置: &
& 单层复数神经网络
单层复数神经网络
Neurocomputing72(
ContentslistsavailableatScienceDirect
Neurocomputing
journalhomepage:/locate/neucom
Single-layeredcomplex-valuedneuralnetworkforreal-valuedclassi cationproblems
Md.FaijulAmina,KazuyukiMurasea,b,Ã
DepartmentofHumanandArti cialIntelligenceSystems,GraduateSchoolofEngineering,UniversityofFukui,3-9-1Bunkyo,Fukui910-8507,JapanResearchandEducationProgramforLifeScience,UniversityofFukui,3-9-1Bunkyo,Fukui910-8507,Japan
articleinfo
Articlehistory:
Received1June2007Receivedinrevisedform25April2008
Accepted29April2008
CommunicatedbyT.HeskesAvailableonline9May2008Keywords:
ActivationfunctionClassi cation
Complex-valuedneuralnetworksGeneralizationPhase-encoding
Thispaperpresentsamodelofcomplex-valuedneuron(CVN)forreal-valuedclassi cationproblems,introducingtwonewactivationfunctions.InthisCVNmodel,eachreal-valuedinputisencodedintoaphasebetween0andofacomplexnumberofunitymagnitude,andmultipliedbyacomplex-valuedweight.Theweightedsumofinputsisthenfedtoanactivationfunction.Boththeproposedactivationfunctionsmapcomplexvaluesintorealvalues,andtheirroleistodividethenet-input(weightedsum)spaceintomultipleregionsrepresentingtheclassesofinputpatterns.Gradient-basedlearningrulesarederivedforeachoftheactivationfunctions.TheabilityofsuchCVNisdiscussedandtestedwithtwo-classproblems,suchastwo-andthree-inputBooleanproblems,andthesymmetrydetectioninbinarysequences.WeshowherethattheCVNwithbothactivationfunctionscanformproperboundariesfortheselinearandnonlinearproblems.Forsolvingn-classproblems,acomplex-valuedneuralnetwork(CVNN)consistingofnCVNsisalsostudied.Wede nedtheoneexhibitingthelargestoutputamongalltheneuronsasrepresentingtheoutputclass.Wetestedsuchsingle-layeredCVNNsonseveralrealworldbenchmarkproblems.Theresultsshowthattheclassi cationabilityofsingle-layeredCVNNonunseendataiscomparabletotheconventionalreal-valuedneuralnetwork(RVNN)havingonehiddenlayer.Moreover,convergenceoftheCVNNismuchfasterthanthatoftheRVNNinmostcases.
&2008ElsevierB.V.Allrightsreserved.
1.Introduction
Complexnumbersareusedtoexpressreal-worldphenomenalikesignalamplitudeandphase,andtoanalyzevariousmathe-maticalandgeometricalrelationships.Inordertodirectlyprocesscomplexvaluesbyarti cialneuralnetworks,thecomplex-valuedneuralnetwork(CVNN)aswellasthecomplexback-propagation(CBP)algorithmhavebeendeveloped[3,7,8,10,16].ThepropertiesoftheCVNNandCBPhavebeenstudied[5,11],andtheCVNNisshowntobepowerfulinapplicationssuchasadaptiveradarimageprocessing[15],andopticalimageprocessing[2,4].Furtherextensiontomultidimensionalvalueshasbeenattemptedaswell[13].SomeresearchersrecentlyhavealsoappliedCVNNonreal-valuedclassi cationproblems[1,9].
WeareawareoftwoapproachesfortheapplicationofCVNNtoreal-valuedclassi cationproblems.InRef.[9],eachreal-valuedinputisphaseencodedbetween0andp/2ofunitymagnitude
ÃCorrespondingauthorat:DepartmentofHumanandArti cialIntelligence
Systems,UniversityofFukui,3-9-1Bunkyo,Fukui910-8507,Japan.Tel.:+;fax:+.
E-mailaddress:murase@synaspe.his.fukui-u.ac.jp(K.Murase)./$-seefrontmatter&2008ElsevierB.V.Allrightsreserved.doi:10.1016/j.neucom.
complexnumber,sothatthecomplex-valuedneuron(CVN)canreceivecomplex-valuedinputs.TheroleofCVNistwo-fold,aggregationandthresholdoperations.Theformerroleistoaggregatetheinputsmultipliedbytheconnectionweights,andthelatteristodeterminetheclasslabelbyusinganactivationfunction.TheyshowedthattheCVNissuccessfulinclassifyingalltwo-inputBooleanfunctions,and245among256three-inputBooleanfunctions.Thelearningalgorithm,however,includesareciprocalofpartialderivatives.Whenthepartialderivativesapproachzeroandthereciprocalsbecomeverylarge,thelearningprocessmaybecomeunstable,especiallywhenrealworldproblemsareevaluated.Inarecentwork[1],amultilayerfeed-forwardarchitectureofmultivaluedneuronisproposed.Themodelencodesreal-valuedinputsbyphasesbetween0and2pofunitymagnitudecomplexnumbers,anddeterminestheclasslabelbythecomplex-valuedoutput,basedontheoutput’svicinitytotherootsofunity.Ithasbeenshownthatthemodelwasabletosolvetheparitynandtwospiralsproblems,andcouldperformbetterin‘‘sonar’’benchmarkandtheMackeyCGlasstimeseriespredictionproblems.
Inthispaper,weproposetwoactivationfunctionsthatmapcomplexvaluestoreal-valuedoutputs.Theroleoftheactivationfunctionsistodividethenet-input(sumofweightedinputs)
Word文档免费下载: (下载1-11页,共11页)
第 卷第 期年 月 科技 递雄 离散复数 神经 网 络模型帅建 伟 ’ 陈振 湘 刘瑞 堂 , 吴 伯嘻 厦 门大 学物理系 摘把 压 , , 要 , 。 符号表示...一种改进的复数BP神经网络算法研究_机械/仪表_工程科技_专业资料 暂无评价利用量子计算的一些优点特别是量子 并行计算特性提出一个单层量子感知器网络,该...并行性仅仅体现在复数的实 部和虚部同时工作),将有可能成为神经计算系统发展的...复数Hopfield神经网络盲均衡QAM信号_专业资料。为了解决复数多值信号的盲均衡问题,本文提出了基于复数Hopfield神经网络盲均衡多值信号的方法:将基于Hopfield神经网络的盲...复数前馈神经网络的全局最优和快速学习算法_专业资料。提出了一种新型复数前馈神经网络的学习算法。当输入层和隐层之间的权值计算出来后,就可以通过求解线性方程组得到...复数及其运算 25 2.4.1 复数表示 25 2.4.2 复数绘图 27 2.4.3 复数...单层感知器神经网络 8.1.2 结构 141 8.2 感知器学习规则 142 8.2.1 ...6.1离散型Hopfield神经网络 6.1.1 网络的结构与工作方式单层全反馈网络: x1 x2 … xi … xn T1 T2 … Ti … Tn 离散型反馈网络的拓扑结构 有n个神经...神经网络各属性讲解_互联网_IT/计算机_专业资料。对于神经网络的各个属性进行了...复数阻抗可以归一化书写:Z = R + jω L = R(1 + jω L/R) ,复数...第三章-监督学习神经网络_IT/计算机_专业资料。神经网络相关第3 章 监督学习神经...如果 zi , p & 0 ,则 zi , p 可表示为复数 zi , p = ι 2
zi...摘要传统的神经网络学习算法(如 BP 算法)在实数域和复数域中存在局部极小、收敛...(Rosenblatt,于 1975 年提出) ,只有单层的神经网络结构,采用硬限值函数作为...基于实虚型连续多值复数Hopfield神经网络的QAM盲检测_信息与通信_工程科技_专业资料。第 2期 201 3年 2月 电 子 学 报 Vo1.41 No.2 Feb.2013 ACTA ELECn...全局最小点和局部最小点,它本身 不能克服单层神经网络的局限,无法直接应用到多层神经网络(易陷 入局部最小点),但它的一般形式是多层神经网络中的学习算法―― ...单层复数神经网络_百度文库
两大类热门资源免费畅读
续费一年阅读会员,立省24元!
单层复数神经网络
阅读已结束,下载文档到电脑
想免费下载更多文档?
定制HR最喜欢的简历
下载文档到电脑,方便使用
还剩8页未读,继续阅读
定制HR最喜欢的简历
你可能喜欢复数Chebyshev神经网络在信道均衡中的应用--《第十一届全国信号处理学术年会(CCSP-2003)论文集》2003年
复数Chebyshev神经网络在信道均衡中的应用
【摘要】:首次把Chebyshev神经网络成功地应用在通信系统的信道均衡研究中,并且提出了适合于正交幅度调制(QAM)通信系统的复数Chebyshev神经网络均衡算法。计算机仿真表明,该算法在QAM通信系统的信道均衡中表现出了优良的性能。
【作者单位】:
【关键词】:
【分类号】:TN911.5【正文快照】:
1引言通常可以把通信传输信道看成一个低通频率响应的线性滤波器。如果该滤波器响应的幅度或包络延迟超出了信道传输带宽,传输信号波形将发生畸变,从而引起码间干扰(151)[l1。信道均衡就是在接收机端用来消除码间干扰,恢复初始发送信号的一种信号处理技术(图1)。按照均衡
欢迎:、、)
支持CAJ、PDF文件格式,仅支持PDF格式
【参考文献】
中国期刊全文数据库
刘祖润,曾喆昭,张志飞;[J];计算机仿真;2000年01期
【共引文献】
中国期刊全文数据库
陈发宇;尚永生;杨长春;;[J];地球物理学进展;2007年05期
赵海全;谢明元;曾祥萍;;[J];数据采集与处理;2006年S1期
陈雪艳,李平,袁艺,石向星;[J];石油化工高等学校学报;2005年01期
潘滟;谢胜曙;张群;;[J];邵阳学院学报(自然科学版);2007年01期
中国重要会议论文全文数据库
陈发宇;尚永生;杨长春;;[A];中国科学院地质与地球物理研究所2007学术论文汇编(第六卷)[C];2008年
赵海全;张家树;;[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年
中国博士学位论文全文数据库
肖献强;[D];合肥工业大学;2011年
黄胜伟;[D];河海大学;2003年
中国硕士学位论文全文数据库
宁寿辉;[D];大连海事大学;2002年
刘峰;[D];西安理工大学;2003年
孙仁勇;[D];大连海事大学;2003年
王冬雪;[D];大连海事大学;2004年
徐振东;[D];吉林大学;2004年
陈飞;[D];大连海事大学;2005年
王晓勇;[D];武汉理工大学;2006年
洪大林;[D];西南交通大学;2006年
申元霞;[D];西南交通大学;2005年
潘滟;[D];湖南大学;2007年
【二级参考文献】
中国期刊全文数据库
邹阿金,刘祖润,扶蔚鹏;[J];湘潭大学自然科学学报;1998年02期
【相似文献】
中国期刊全文数据库
刘慧杰;;[J];东莞理工学院学报;2007年05期
李静芳;张江伟;崔霞霞;;[J];无线电工程;2006年05期
何桂清,虞厥邦,庞晓忠;[J];电子科技大学学报;1993年03期
肖瑛;李振兴;董玉华;;[J];系统仿真学报;2009年14期
何振亚;;[J];电信科学;1993年04期
邓晓红,张家树;[J];西南交通大学学报;2005年02期
曾黄麟;;[J];电讯技术;1992年01期
陈在;;[J];重庆邮电学院学报(自然科学版);1993年01期
王卫,蔡德钧,万发贯;[J];电子学报;1995年07期
何振亚;[J];数据采集与处理;1996年02期
中国重要会议论文全文数据库
邓晓红;张家树;;[A];第十一届全国信号处理学术年会(CCSP-2003)论文集[C];2003年
侯艳芳;冯红梅;;[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
姚志红;韩兵;;[A];1995中国控制与决策学术年会论文集[C];1995年
李福平;李权;;[A];中国通信集成电路技术与应用研讨会文集[C];2006年
刘华章;王新政;;[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
闫宝杰;高文;;[A];第三届全国人机语音通讯学术会议论文集[C];1994年
俞铁城;周健来;宋岩涛;;[A];第五届全国人机语音通讯学术会议论文集[C];1998年
蒋新胜;马光彦;王伟策;李华兵;;[A];2002中国控制与决策学术年会论文集[C];2002年
郝增荣;刘海军;柳征;姜文利;;[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
钱小聪;郑宝玉;穆明鑫;;[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
中国重要报纸全文数据库
;[N];通信产业报;2001年
陈代寿;[N];中国计算机报;2003年
李明春;[N];人民邮电;2002年
江月明;[N];中国电子报;2002年
;[N];中国高新技术产业导报;2005年
中国博士学位论文全文数据库
张昀;[D];南京邮电大学;2012年
万敏;[D];电子科技大学;2011年
龚剑扬;[D];哈尔滨工程大学;2004年
陈立伟;[D];哈尔滨工程大学;2005年
李鸣;[D];南京理工大学;2007年
俞黎阳;[D];华东师范大学;2008年
秦雷;[D];上海交通大学;2007年
汤光华;[D];南京理工大学;2007年
张丙峰;[D];山东大学;2008年
肖乾;[D];哈尔滨工程大学;2005年
中国硕士学位论文全文数据库
高敏;[D];安徽理工大学;2010年
唐玉洁;[D];哈尔滨工业大学;2010年
李玥;[D];哈尔滨工业大学;2011年
胡丽珍;[D];南京邮电大学;2011年
朱向鹏;[D];哈尔滨工业大学;2011年
董岩;[D];南京邮电大学;2012年
张阳;[D];华侨大学;2011年
段志梅;[D];昆明理工大学;2008年
王哲;[D];河北工业大学;2006年
冯利利;[D];太原理工大学;2011年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊(光盘版)》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址:北京清华大学 84-48信箱 大众知识服务
出版物经营许可证 新出发京批字第直0595号
订购热线:400-819-82499
服务热线:010--
在线咨询:
传真:010-
京公网安备75号}

我要回帖

更多关于 复数神经网络 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信