【摘要】：有限脉冲响应神经网络中不包含反馈环节，信息从输入流向输出，与传统的前馈网络的不同之处在于：每一个神经元的输入包含前一层神经元的输出和其有限数目历史值的累加和。图5.8所示为包含两个隐含层的有限脉冲响应神经网络。它的每一个突触是一个自适应的有限脉冲响应滤波器。图5.9具有2个节拍延迟的FIRNN展开成静态神经网络
有限脉冲响应神经网络中不包含反馈环节，信息从输入流向输出，与传统的前馈网络的不同之处在于：每一个神经元的输入包含前一层神经元的输出和其有限数目历史值的累加和。图5.8所示为包含两个隐含层的有限脉冲响应神经网络。其中，每一个神经元接收前一层神经元的输出和其T个节拍延迟值的累加和作为输入。即两个神经元之间有多条分支相连。在图5.8中，FIRNN的两个神经元之间共包含T+1条分支。它的每一个突触是一个自适应的有限脉冲响应滤波器。其中，q—1表示时域上单位延迟算子。有限脉冲响应（FIR）滤波器是由过去时刻值的加权累加和组成的，神经元接收滤波后的输入，随后又将这个累加和通过一个非线性Sigmoid函数进行传送。
图5.8 有限脉冲响应神经网络的结构
有限脉冲响应神经网络具有与前馈神经网络类似的拓扑等价关系，这种等价关系可以通过将FIRNN展开得到，即使用静态的结构代替原来的延迟部分。图5.9为具有两个输入、两个隐含层和一个输出的FIRNN展开成静态网络的过程，其中X（t）为网络输入向量。其中每一个隐含层包含两个神经元，每个神经元和其两个节拍（T=2）的历史值的累加和作为下一层神经网络的输入，即该例中的分支数为3。图5.9（a）为未经展开的网络结构图，图5.9（b）为第二个隐含层和输出层之间延迟的展开结构，3条分支分别对应3组未经展开的输入层和两个隐含层，图5.9（c）是将所有的延迟分支展开的网络结构图。(www.xing528.com)
图5.9 具有2个节拍延迟的FIRNN展开成静态神经网络
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
