一种神经网络构建方法技术

本发明专利技术提供了一种神经网络构建方法，包括获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；根据所述神经网络生成参数生成神经网络，所述神经网络满足下述公式x(n+1)＝W1u(n+1)+W2x(n)+W3y(n)；计算所述神经网络的状态变换矩阵W2，所述状态变换矩阵用于根据所述神经网络的当前内部状态获取所述神经网络的下一刻内部状态；使用预设训练集训练所述神经网络，在训练过程中得到输入输出映射矩阵，所述输入输出映射矩阵能够根据输入唯一确定输出。本发明专利技术从神经网络的架构生成、状态变换矩阵设定的角度构建出了完整的神经网络，其连接结构相较于现有技术得到的神经网络与生物学网络更为近似。

A Method of Constructing Neural Network

【技术实现步骤摘要】
一种神经网络构建方法
本专利技术涉及数据处理领域，尤其涉及一种神经网络构建方法。
技术介绍
神经网络的构建是基于神经网络应用的前提，近十年来，模拟生物神经网络的类生物神经网络系统在辨识、决断和预测等领域均有卓越的表现。类生物神经网络通过模拟生物神经网络而具备较好的智能性和自适应性，但是通常神经网络中个神经元的完全随机连接导致了神经网络内部的耦合度高，动力学特性不足，从而导致了神经网络的自适应性难移提高并且输出误差难以减小。
技术实现思路
为了解决上述技术问题，本专利技术提出了一种神经网络构建方法。本专利技术具体是以如下技术方案实现的：一种神经网络构建方法，包括：获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；根据所述神经网络生成参数生成神经网络，所述神经网络满足下述公式x(n+1)＝W1u(n+1)+W2x(n)+W3y(n)；其中，x、y分别为输入和输出，W1,W2,W3分别为所述神经网络当前输入、当前神经网络状态、当前输出到下一个神经网络状态之间的转换矩阵；计算所述神经网络的状态变换矩阵W2，所述状态变换矩阵用于根据所述神经网络的本文档来自技高网...

【技术保护点】
1.一种神经网络构建方法，其特征在于，包括：获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；根据所述神经网络生成参数生成神经网络，所述神经网络满足下述公式x(n+1)＝W1u(n+1)+W2x(n)+W3y(n)；其中，x、y分别为输入和输出，W1,W2,W3分别为所述神经网络当前输入、当前神经网络状态、当前输出到下一个神经网络状态之间的转换矩阵；计算所述神经网络的状态变换矩阵W2，所述状态变换矩阵用于根据所述神经网络的当前内部状态获取所述神经网络的下一刻内部状态；使用预设训练集训练所述神经网络，在训练过程中得到输入输出映射矩阵，所述输入输...

【技术特征摘要】
1.一种神经网络构建方法，其特征在于，包括：获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；根据所述神经网络生成参数生成神经网络，所述神经网络满足下述公式x(n+1)＝W1u(n+1)+W2x(n)+W3y(n)；其中，x、y分别为输入和输出，W1,W2,W3分别为所述神经网络当前输入、当前神经网络状态、当前输出到下一个神经网络状态之间的转换矩阵；计算所述神经网络的状态变换矩阵W2，所述状态变换矩阵用于根据所述神经网络的当前内部状态获取所述神经网络的下一刻内部状态；使用预设训练集训练所述神经网络，在训练过程中得到输入输出映射矩阵，所述输入输出映射矩阵能够根据输入唯一确定输出。2.根据权利要求1所述的方法，其特征在于：所述计算所述神经网络的状态变换矩阵W2包括：选取靠近矩形布局图中心的基础神经元作为参考点，计算其它神经元与所述参考点的距离；按照升序排列各个神经元，所述神经元在排序结果中的位置即为所述神经元在状态变换矩阵W2中的编号；为每个基础神经元设置聚类中心编号，确定各个神经元所属的聚类的编号；计算具有互连关系的神经元之间的连接强度，并根据所述连接强度得到状态变换矩阵W2。3.根据权利要求1所述的方法，其特征在于：可以根据公式Ci＝argmin(d(Ni,Zc)...

【专利技术属性】
技术研发人员：金涛，江浩，
申请(专利权)人：浙江新铭智能科技有限公司，
类型：发明
国别省市：浙江,33