基于熵聚類(lèi)的泛函網(wǎng)絡(luò)神經(jīng)元函數(shù)優(yōu)化

　　摘要：泛函網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)的一般化推廣，同神經(jīng)網(wǎng)絡(luò)一樣，至今還沒(méi)有系統(tǒng)設(shè)計(jì)方法能夠?qū)o定問(wèn)題設(shè)計(jì)出近似最優(yōu)的結(jié)構(gòu)。鑒于此，利用熵聚類(lèi)的思想來(lái)設(shè)計(jì)泛函網(wǎng)絡(luò)，對(duì)網(wǎng)絡(luò)每一神經(jīng)元的基函數(shù)和泛函參數(shù)共存且相互影響的最優(yōu)搜索來(lái)實(shí)現(xiàn)泛函網(wǎng)絡(luò)結(jié)構(gòu)和泛函參數(shù)的共同學(xué)習(xí)。提出一基于熵聚類(lèi)思想來(lái)設(shè)計(jì)泛函網(wǎng)絡(luò)的方法，有效地提高了泛函網(wǎng)絡(luò)的收斂精度，并可獲得更為合理的網(wǎng)絡(luò)結(jié)構(gòu)。
　　關(guān)鍵詞：泛函網(wǎng)絡(luò)；熵聚類(lèi)；神經(jīng)元函數(shù)
　　中圖分類(lèi)號(hào)：TP18文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2012)03-0673-04
　　Optimizing Neuron Function Based on Entropy Clustering in Functional Networks
　　ZHANG Jun
　　(People’s Bank of Ch