激励函数可调的NARX神经网络 (2006年)

提出了一种隐层神经元激励函数可调的具有外部输入的非线性回归（NARX）神经网络，它在进行权值调整的同时，还对各隐层神经元激励函数的参数进行自适应调节；并推导出激励函数参数的学习算法，从而使NARX神经网络更符合生物神经网络。通过系统辨识的仿真实例，说明了隐层神经元激励函数对网络性能的影响，还验证了文中提出的NARX神经网络具有更快的收敛速度，并且能有效地避免算法陷入局部最小。