收录：
摘要：
针对前馈神经网络结构设计问题,提出一种基于信息熵的动态前馈神经网络结构设计方法.该方法网络代价函数由网络期望输出与实际输出的交叉熵和隐节点输出的Renyi二次熵组成,不要求学习样本服从高斯分布.在学习过程中,通过分裂活跃度大的隐节点和删除不活跃的隐节点动态调整隐层神经元规模,提高了网络的动态响应能力,解决了前馈神经网络结构自组织问题.以污水处理厂实际运行数据对污水处理过程出水水质氨氮进行在线建模,验证了该网络的动态响应能力和在线学习能力.
关键词：
通讯作者信息：
电子邮件地址：
