M.辛哈。;K.库马尔。;P.K.卡拉。 具有改进学习方案的一些新的神经网络体系结构。 （英语） Zbl 1031.68571号 软计算。 4，第4期，214-223（2000）. 小结：在这里，我们提出了两种新的神经元模型结构和一种现有标准前馈结构的改进形式。这两个新模型都使用了自缩放的共轭梯度算法和lambda-gamma算法，并包含了基本神经元和高阶神经元的特性（即乘法和聚集函数）。在这两种结构中，补偿神经网络结构需要相对较少的神经元间连接，减少了近50%的计算预算，并加快了收敛速度，此外，还提供了更好的训练和预测精度。第二种模型sigma-pi-sigma确保更快的收敛、更好的训练和预测精度。第三种模型的性能比标准前馈结构好得多。这里还研究了训练输出的标准化效果，结果表明，在低迭代水平下，例如（sim 500），随着缩放范围的增加，几乎没有改善。增加一点以上的神经元数量对高阶神经元的影响也很小。卫星轨道确定问题的大量仿真运行和复杂的异或问题建立了所提神经元模型结构的鲁棒性。 引用于1文件 MSC公司： 68T05年 人工智能中的学习和自适应系统 68单位99 计算方法和应用 关键词：神经元模型结构;lambda-gamma算法 PDF格式BibTeX公司 XML格式引用 \textit{M.Sinha}等人，《软计算》。4，编号4，214--223（2000年；兹bl 1031.68571） 全文： 内政部