共查询到17条相似文献,搜索用时 62 毫秒
1.
神经网络自适应学习研究 总被引:21,自引:1,他引:20
本文讨论了网络拓扑结构、网络的学习参数以及神经元的激活函数等多方面的人工神经网络学习问题,提出了具体实现方法。实验表明这些方法对于加快网络的收敛速度,优化网络的拓扑结构等方面有显著成效。 相似文献
2.
本文给出前馈神经网络的一种连续型学习算法,对传统的BP算法作了改进。分析了该算法的收敛性。通过实例与传统BP算法进行比较,该算法可以明显提高网络的收敛速度,说明它是一种实用的学习算法。 相似文献
3.
4.
BP小波神经网络快速学习算法研究 总被引:22,自引:0,他引:22
讨论了BP小波神经网络在训练过程中减小误差函数时最优方向的确定和自适应调整学习率的方法.首先论证了小波神经网络的数学基础,然后讨论了BP小波神经网络的学习过程,重点讨论了减小误差函数最优方向的确定方法,即如何保证步长方向与负梯度方向一致,由此得出了自适应调整学习率的简便方法.该方法具有普遍性,有广泛的应用价值.仿真结果表明,采用最优梯度下降方向可以大幅度提高BP小波神经网络的学习速度. 相似文献
5.
多层前馈神经网络的快速学习算法及其仿真研究 总被引:5,自引:0,他引:5
本文主要研究多层前馈神经网络的快速学习问题。文中首先概述了多层前馈神经网络的B—P学习算法,并分析了这种算法的主要缺陷,在此基础上提出了若干克服和缓解这些缺陷的技术方法,由此构造了一种新的多层前馈神经网络的快速B—P学习算法即FB—P算法。通过对FB—P算法学习过程进行较详细的分析,本文还建立了一种改进的FB—P学习算法即MFB—P算法。最后本文以三层前馈神经网络识别五类地面目标图像为例,对文中提出的FB—P和MFB—P学习算法的性能(即学习速度与推广特性)进行了计算机仿真实验,同时与B—P学习算法的性能作比较,理论分析与仿真实验表明:MFB—P与FB—P学习算法比B—P学习算法具有更快的收敛速度,且MFB—P算法收敛最快;MFB—P算法比FB—P和B—P学习算法具有更好的推广特性,而后两者的推广特性则大致相同。 相似文献
6.
基于混合自适应Memetic算法的贝叶斯网络结构学习 总被引:1,自引:0,他引:1
Memetic算法是一种基于种群的全局搜索和基于个体的局部启发式搜索的结合体,具有较高的全局搜索能力,将其成功应用于贝叶斯网络的结构学习。该算法在基本的遗传算法操作算子中,引入粒子群算法的基本思想,同时利用混沌的遍历性和云自适应的快速收敛性,提出了一种云自适应的混沌变异搜索进行局部搜索,实现全局优化,跳出局部最优。实验证明该算法在贝叶斯网络结构学习中具有很好的效果。 相似文献
7.
基于泛函网络的多维函数逼近理论及学习算法 总被引:7,自引:1,他引:7
提出一种多维函数逼近的泛函网络逼近方法,设计了一类用于函数逼近的可分离泛函网络,给出了基于泛函网络的函数逼近学习算法。而泛函网络的参数通过解方程组得到,它们能逼近给定函数到预定的精度。仿真结果表明,这种逼近方法简单可行,具有较快的收敛速度和良好的逼近性能。 相似文献
8.
9.
10.
11.
本文首先从几何和物理的角度分析了网络带噪声训练后的鲁棒性,再据此提出了一种自适应的训练方法,并通过仿真实验,证实了该方法的有效性;文中还从数学的角度定量分析了前馈网络对于噪声模式的鲁棒性,给出了设计鲁棒性网络的一般性原则。 相似文献
12.
杜芳 《系统工程与电子技术》1998,(3)
本文将前向网络的输入误差看作服从加性和乘性随机噪声,进行了网络输出误差的统计分析,并依此定义网络的灵敏度。在此基础上,分析了Sigmoid函数的斜度对网络灵敏度的影响,结合仿真实验,提出了一个降低前向网络灵敏度的有效方法。 相似文献
13.
分析了前馈过程神经元网络初始化对其训练速度的影响.提出了一种前馈过程神经元网络初始化方法,该方法将阈值初始化为时间积分运算的均值,可消除网络初始化不当的影响.提出了改进的网络学习算法,采用与初始化相似的方法修正阈值,可加快前馈过程神经元网络的训练速度.以时变信号分类为例,仿真验证了初始化方法及改进学习算法的正确性和有效性. 相似文献
14.
赵后今 《系统工程与电子技术》1997,(12)
本文为时滞未知的确定性线性系统建立了全局稳定广义预测自校正控制算法。同时推出一种新型稳定离散模型参考适应控制算法,把广义预测自校正控制和模型参考适应控制融为一体。 相似文献
15.
一种模糊神经系统的修正学习算法 总被引:1,自引:0,他引:1
本文在深入分析模糊神经系统的基本结构和学习算法的基础上,指出基于梯度下降的学习算法的不足,并提出一种模糊神经系统的修正学习算法。分析表明,该算法具有能够确保模糊语义和模糊空间一致划分的优点。 相似文献
16.
17.
一种改进的RBF神经网络学习算法 总被引:30,自引:0,他引:30
提出了一种改进的RBF神经网络学习算法 ,分别通过减聚类和监督学习算法对网络参数和权值进行训练 ,既可以根据样本合理地聚类、确定RBF径向基函数的个数和相应参数 ,又具有较强的网络映射能力 ,从而不仅使RBF神经网络结构得以优化 ,性能也得到了提高。仿真结果表明了该学习算法的实用性和有效性 相似文献