基本导数任务与任务的神经网络多尺度分析
无序系统与神经网络
2009-11-07 v1 q-bio
摘要
神经网络是众所周知的通用逼近器。特别是，实现小波的正式神经元已被证明可以构建能够逼近任何多维任务的网络。然而，这种非常专门的正式神经元可能难以在生物学和/或工业上获得。在本文中，我们放宽了严格的“傅里叶分析”任务的约束。相反，我们使用有限数量的更现实的正式神经元来实现基本任务，例如具有可调宽度的“窗口”或“墨西哥帽”响应。这被证明提供了一种相当有效、实用且稳健的多频分析。一个训练算法，根据响应的宽度优化任务，揭示了两种不同的训练模式。第一种模式导致一些正式神经元变得相同，因此促进了“导数任务”。另一种模式保持正式神经元的不同。
引用
@article{arxiv.cond-mat/0107602,
title = {Elementary Derivative Tasks and Neural Net Multiscale Analysis of Tasks},
author = {B. G. Giraud and A. Touzeau},
journal= {arXiv preprint arXiv:cond-mat/0107602},
year = {2009}
}
备注
latex neurondlt.tex, 7 files, 6 figures, 9 pages [SPhT-T01/064], submitted to Phys. Rev. E