自适应链接超平面及其与高阶典范模型的比较

作     者：许鋆 王晶 王书宁 

作者机构：清华大学自动化系北京100084 

出 版 物：《清华大学学报（自然科学版）》 (Journal of Tsinghua University(Science and Technology))

年 卷 期：2010年第50卷第10期

页      面：1747-1751页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(60674025 60534060 60974008) 国家"八六三"高技术项目(2007AA04Z193) 高等学校博士学科点科研基金(200900030029) 

主　　题：神经网络 非线性逼近 分片线性 自适应 链接超平面 

摘      要：自适应链接超平面模型(AHH)是一种自适应的分片线性模型,可以作为一种人工神经网络用于非线性函数逼近。通过代数等价变换,该文证明,基于单纯形划分的高阶典范模型(HL-CPWL)的基函数等价于AHH模型的一种基函数,HL-CPWL模型是AHH模型的一个特例。较之HL-CPWL模型,AHH模型的定义域划分更为灵活,使得其更适合于函数逼近。AHH的通用逼近性也由HL-CPWL具有通用逼近能力而直接得到。仿真结果表明,较之HL-CPWL,AHH能够以较少的参数给出较好的逼近结果,具有更好的模型质量。