分式线性神经网络模型

摘要

本发明涉及人工智能技术领域，提出分式线性神经网络模型.该模型包括m层神经元，输入层有1(x)个神经元，第i层有i(x)个神经元，输出层有m(x)个神经元；各层次的神经元之间形成前向全互连连接，各层次内的神经元之间没有连接，将第k层第i神经元的输入和记为I_i^k，输出记为o_i^k，k－1隐含层第i神经元向k层第j神经元的连接权值记为w_i，j ^k－1，k，k层第j神经元的输出函数记为f_j^k，那么k－1隐含层第i神经元和k层第j神经元的操作特性为(见上面)。本发明解决了无界区域上的非线性连续映射没有建模工具和无界区域上没有决策工具的难题。

主权项

1.分式线性神经网络模型，其特征在于，它包括m层神经元，输入层有1(x)个神经元，第i层有i(x)个神经元，输出层有m(x)个神经元；各层次的神经元之间形成前向全互连连接，各层次内的神经元之间没有连接，将第k层第i神经元的输入和记为Iik，输出记为oik，k-1隐含层第i神经元向k层第j神经元的连接权值记为wi，jk-1，k，k层第j神经元的输出函数记为fjk，那么k-1隐含层第i神经元和k层第j神经元的操作特性为$o_j^k=f_j^k(I_j^k-{\theta }_j^k)$ $I_j^k=\underset{i}{\Sigma }{w}_{i,j}^{k-1,k}\frac{o_i^{k-1}-a_i}{{\left|\right|(o_1^{k-1},...,o_n^{k-1})-(a_1,...,a_n)\left|\right|}^2},$ $(a_1,a_2,···a_n)\notin$定义域。