阅读论文“Polynomial Fitting Algorithm Based on Neural Network” 笔记

疑问：explicit/implicit polynomial是？区别？

神经网络：

three-layer feedforward network-->Taylor series neutral network model

根据泰勒展开，展开点（某一点）的导数可以用作多项式的参数，进而拟合函数

在论文实验中，选择原点展开，taylor coefficient用作神经元的权重

bias=0

input layer &hidden layer : weight=1

ouput of hidden layer: F(x)=wi(x-a)**i

小结： 前面那个权重全是是1，这样的话hidden layer每个神经元都代表 泰勒展开的一项

隐藏层再到输出， 每个乘以对应权重，通过训练得到output y目标函数

这里的weight数学意义就是 （函数n阶导数除以n的阶乘）

。。。。其他好像不重要

 Implicit polynomial fitting：

 general linear least square方法最差， 神经网络和3L差不多。但是加上噪音后，神经网络更好，3L拟合的有些不稳定

标签：layer,Based,Network,Algorithm,weight,神经网络,3L,hidden,展开
来源： https://www.cnblogs.com/GEORGE7/p/16263521.html