摘要：讨论了在前馈网络构造性设计中如何基于遗传编程 (GP)实现神经元激活函数类型自动优化的问题 .首先 ,提出了典型前馈网络的一种构造性设计方法框架 ,将整个网络的设计分解为单个神经元的逐个设计 ;然后 ,在此框架下提出了基于GP的单个神经元的设计方法 ,该方法可实现对激活函数类型的优化 .仿真实验显示 ,本文的前馈网络构造性设计方案是可行的 ,与其他几种不优化激活函数类型的网络设计方法相比 ,本方法更有效 ,能用较小的网络规模获得更满意的泛化特性 .

摘要：构造性设计是ANN设计的发展方向之一。全面的高质量的ANN学习应包括神经元激活函数类型的自动优化。该文在构造性设计的框架内讨论了如何实现典型前馈网络的包括神经元激活函数类型在内的全面学习。首先,提出了典型前馈网络的一种构造性设计方法的原理和算法框架,把整个网络的设计分解成了一个个单个神经元的设计问题;然后提出了基于GA的能实现激活函数类型优选的单个神经元的设计方法。大量函数拟合的仿真实验显示:与其它几种激活函数类型不优选的常见ANN设计方法相比,该文提出的方法更有效,能用较小的网络结构获得较好的泛化性能。