BriefGPT - AI 论文速递
·
关于Sigmoid和tanh模糊一般灰色认知图的收敛性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究解决了模糊一般灰色认知图（FGGCM）收敛性未被充分探讨的研究空白。通过对一般灰色数空间的度量和完整性分析，提出使用tanh和sigmoid激活函数时FGGCM收敛到唯一固定点的充分条件。这一发现对FGGCM的学习算法设计具有指导意义，为其在控制、预测和决策支持等领域的应用奠定了理论基础。
🎯
关键要点
- 本研究解决了模糊一般灰色认知图（FGGCM）收敛性未被充分探讨的研究空白。
- 通过对一般灰色数空间的度量和完整性分析，提出了FGGCM收敛到唯一固定点的充分条件。
- 使用tanh和sigmoid激活函数时，FGGCM能够收敛到唯一固定点。
- 这一发现对FGGCM的学习算法设计具有指导意义。
- 为FGGCM在控制、预测和决策支持等领域的应用奠定了理论基础。
➡️
