ⅡR DF设计的高阶关联神经网络优化方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

ⅡR DF设计的高阶关联神经网络优化方法

赵辉, 虞厥邦

文章导航 > 电子科技大学学报 > 1998 > 27(3): 251-255

赵辉, 虞厥邦. ⅡR DF设计的高阶关联神经网络优化方法[J]. 电子科技大学学报, 1998, 27(3): 251-255.

引用本文:

赵辉, 虞厥邦. ⅡR DF设计的高阶关联神经网络优化方法[J]. 电子科技大学学报, 1998, 27(3): 251-255.

Zhao Hui, Yu Juebang. Designing ⅡR Digital Filter by Using a High-order Neural Network-based Optimization Technique[J]. Journal of University of Electronic Science and Technology of China, 1998, 27(3): 251-255.

Citation:

Zhao Hui, Yu Juebang. Designing ⅡR Digital Filter by Using a High-order Neural Network-based Optimization Technique[J]. Journal of University of Electronic Science and Technology of China, 1998, 27(3): 251-255.

ⅡR DF设计的高阶关联神经网络优化方法

赵辉,
虞厥邦

1.
电子科技大学光电子技术系成都 610054

基金项目:

国家教委博士点基金资助项目

作者简介:
赵辉男 35岁博士

中图分类号: TN713.7;TP18

Designing ⅡR Digital Filter by Using a High-order Neural Network-based Optimization Technique

1.
Dept. of Optoelectronic Tech,UEST of China Chengdu 610054

摘要: 基于全反馈高阶关联神经网络优化理论,提出了一种ⅡR数字滤波器神经网络优化设计方法(ⅡR-NNO)的理论框架。表征设计质量的加权均方误差当作神经网络能量函数,导出了ⅡR-NNO的Lyapunov方法。简要说明了该方法计算机实现的基本原则,通过设计实例及与其他方法的比较,证明了它的有效性。
- ⅡR数字滤波器 /
- 神经网络优化设计 /
- 能量函数 /
- 高阶关联神经网络
Abstract: Recently,neural network optimization (NNO) technique has been proved to be an efficient approach for designing FIR filters.This paper makes an attemp to generalize the NNO technique to design ⅡR digital filters.For this aim a high order neural network (HONN) is used to form the Lyapunov function which corresponds to the MSE in designing the ⅡR.The convergency of the algorithm is addressed and an LP ⅡR simulation example is given to verify the effectiveness of the NNO design technique.
- ⅡR digital filter /
- neural network optimization design technique /
- Lyapunov funcfion /
- high-order neural network

[1]	李润东, 李立忠, 李少谦, 宋熙煜, 何鹏. 基于稀疏滤波神经网络的智能调制识别 . 电子科技大学学报, 2019, 48(2): 161-167. doi: 10.3969/j.issn.1001-0548.2019.02.001
[2]	唐贤伦, 刘庆, 张娜, 周家林. 混合PSO优化卷积神经网络结构和参数 . 电子科技大学学报, 2018, 47(2): 230-234. doi: 10.3969/j.issn.1001-0548.2018.02.011
[3]	吴亚东, 张红英. 基于全变分模型的视觉感知图像质量评价方法 . 电子科技大学学报, 2015, 44(1): 79-83. doi: 10.3969/j.issn.1001-0548.2015.01.013
[4]	季玉龙, 杨光, 戈文一. 基于粒子滤波的目标主动轮廓跟踪算法 . 电子科技大学学报, 2015, 44(1): 91-96. doi: 10.3969/j.issn.1001-0548.2015.01.015
[5]	邢玲, 马强, 朱敏. 基于神经网络的数字音频双重语义水印算法 . 电子科技大学学报, 2013, 42(2): 260-265. doi: 10.3969/j.issn.1001-0548.2013.02.016
[6]	甘露, 易舟维, 李立萍. 基于L₀范数约束非相邻系数FIR数字滤波器设计 . 电子科技大学学报, 2013, 42(2): 200-204. doi: 10.3969/j.issn.1001-0548.2013.02.004
[7]	钱艺, 王沁, 吴巍, 刘金龙. 神经网络并行MIMD处理器的研究及实现 . 电子科技大学学报, 2008, 37(6): 904-907.
[8]	崔梦天, 傅丽霞, 赵海军, 钟勇. 多级离散模糊神经网络稳定性的优化算法 . 电子科技大学学报, 2007, 36(3): 628-631.
[9]	袁继敏, 李小玲, 古天祥. 基于时空神经网络增强数字示波器功能的研究 . 电子科技大学学报, 2007, 36(5): 938-941.
[10]	刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计 . 电子科技大学学报, 2007, 36(6): 1241-1244.
[11]	吴斌, 郭贤生. 基于粗集规则编码的神经网络控制器设计 . 电子科技大学学报, 2006, 35(5): 798-800,836.
[12]	李晓冬, 康戈文. 基于数字滤波器的镀锌板缺陷分割 . 电子科技大学学报, 2005, 34(3): 389-391,406.
[13]	陈波, 于泠. 基于小波神经网络的服务器预警系统 . 电子科技大学学报, 2005, 34(3): 343-346.
[14]	陈中柘. 神经网络定性分析 . 电子科技大学学报, 2002, 31(3): 250-254.
[15]	谭小刚. 多抽样率频率抽样FIR数字滤波器设计 . 电子科技大学学报, 2002, 31(5): 460-464.
[16]	唐普英, 陈永倩, 黄顺吉. 一种基于Lagrange神经网络的多用户检测器 . 电子科技大学学报, 2001, 30(1): 9-12.
[17]	唐普英, 杨春华, 黄顺吉. 一种基于优化神经网络的最佳多用户检测器 . 电子科技大学学报, 1999, 28(2): 116-119.
[18]	王勇, 陈光. 面向时滞测试生成的改进遗传算法 . 电子科技大学学报, 1999, 28(2): 157-161.
[19]	王勇, 陈光礻禹. 时滞测试能量模型的研究和改进 . 电子科技大学学报, 1998, 27(3): 305-309.
[20]	孟相如, 虞厥邦. 电流模式神经网络分类器的CMOS实现技术 . 电子科技大学学报, 1997, 26(5): 453-456.

WeChat

点击查看大图

计量

文章访问数: 3338
HTML全文浏览量: 113
PDF下载量: 62
被引次数: 0

ⅡR DF设计的高阶关联神经网络优化方法

赵辉,
虞厥邦

1. 电子科技大学光电子技术系成都 610054

基金项目:

国家教委博士点基金资助项目

作者简介:
赵辉男 35岁博士

收稿日期: 1997-05-15
修回日期: 1998-01-15
刊出日期: 1998-06-15

中图分类号: TN713.7;TP18

关键词:

摘要: 基于全反馈高阶关联神经网络优化理论,提出了一种ⅡR数字滤波器神经网络优化设计方法(ⅡR-NNO)的理论框架。表征设计质量的加权均方误差当作神经网络能量函数,导出了ⅡR-NNO的Lyapunov方法。简要说明了该方法计算机实现的基本原则,通过设计实例及与其他方法的比较,证明了它的有效性。

English Abstract

赵辉, 虞厥邦. ⅡR DF设计的高阶关联神经网络优化方法[J]. 电子科技大学学报, 1998, 27(3): 251-255.

引用本文:

赵辉, 虞厥邦. ⅡR DF设计的高阶关联神经网络优化方法[J]. 电子科技大学学报, 1998, 27(3): 251-255.

Zhao Hui, Yu Juebang. Designing ⅡR Digital Filter by Using a High-order Neural Network-based Optimization Technique[J]. Journal of University of Electronic Science and Technology of China, 1998, 27(3): 251-255.

Citation:

Zhao Hui, Yu Juebang. Designing ⅡR Digital Filter by Using a High-order Neural Network-based Optimization Technique[J]. Journal of University of Electronic Science and Technology of China, 1998, 27(3): 251-255.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发