[发明专利]基于双曲正切函数的新型神经网络的构造方法

权利要求书

1.基于双曲正切函数的新型神经网络的构造方法，其特征在于，包括如下步骤：

构建完全对称的双曲正切函数，并确定双曲正切函数的取值区域；

将所构建的双曲正切函数作为激活函数创建基于使用学习算法的多层感知机模型，所述 双曲正切函数用于提取数据的特征，将可能的无限域变换到有限范围内；

根据多层感知机模型构建卷积神经网络模型。

2.如权利要求1所述的基于双曲正切函数的新型神经网络的构造方法，其特征在于，所 述双曲正切函数的取值区域为-0.8至0.8。

3.如权利要求1所述的基于双曲正切函数的新型神经网络的构造方法，其特征在于，在 将所构建的双曲正切函数作为激活函数创建基于使用学习算法的多层感知机模型时，在一个 网络节点计算的过程中，输入向量从第一个隐含层开始，以输出层计算该层的每一个神经元 的误差信号结束，误差信号经过网络一层一层的传播，并且递归计算每个神经元的局部梯度。

4.如权利要求3所述的基于双曲正切函数的新型神经网络的构造方法，其特征在于，所 述局部梯度等于这个神经元的误差信号乘以它的非线性一次导数。

5.如权利要求4所述的基于双曲正切函数的新型神经网络的构造方法，其特征在于，神 经元的非线性一次导数的计算过程如下：

获得神经元的输出表达式

x=F(y)=tanh(y)=sinh(y)cosh(y)]]>

其中，y是函数的输入(对应于一个神经元的激活值)，X是神经元的输出；

对上式进行求导计算，即

dFdy=ddy(sinh(y)cosh(y))=cosh2(y)-sinh2(y)cosh2(y)]]>

简化为：dFdy=1-tanh2(y).]]>