一种调整型径向基网络偏微分方程解法

Computer Simulation（2006）

引用 1|浏览15

暂无评分

摘要

基于径向基神经网络(RBFN)的偏微分方程(PDE)求解算法中,仅通过搜索最佳权值逼近方程解,精度有限.实际上在建立的RBFN中可能存在对求解PDE贡献很小的但是增加算法复杂度的神经元,或者缺少对方程解贡献很大的辅助神经元.基于这个事实提出一种新的算法:在搜索最佳权值同时调整RBFN结构,删除对方程解贡献小的神经元,增加对方程解贡献大的辅助神经元;采用最小均方误差梯度下降法得到最优权值;最后得到PDE的逼近解.仿真实验表明新算法较传统的RBFN算法,精度更高,误差收敛速度更快;可广泛应用于工程实践.

查看译文

关键词

Ancillary Neuron,ancillary neuron.,partial differential equation,Partial Differential Equation,Radial Bases Function,radial bases function

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要